elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Rail Surface Defect Detection and Severity Analysis using CNNs on Camera and Axle Box Acceleration Data

Jahan, Kanwal und Lähns, Alexander und Baasch, Benjamin und Heusel, Judith und Roth, Michael (2023) Rail Surface Defect Detection and Severity Analysis using CNNs on Camera and Axle Box Acceleration Data. In: IAI2023 - 7th International Congress and Workshop on Industrial AI and eMaintenance. IAI2023 - 7th International Congress and Workshop on Industrial AI and eMaintenance, 2023-06-13 - 2023-06-15, Luleå, Sweden.

[img] PDF
1MB

Kurzfassung

Rail surface defect detection is a relevant problem in the field of data-driven railway maintenance. Artificial intelligence and neural networks (NN) for axle box acceleration (ABA) or camera data show great potential for defect detection and classification. However, a sufficient amount of labeled training data is required, all the more if the defect severity is to be estimated. A unique dataset of time-synchronized ABA and camera data is employed that contains labeled defect instances. For the image analysis, RetinaNet as a single-stage object detector (with the backbone of ResNet-50 and a feature pyramid network) is used to achieve high classification performance for the two most common rail surface defects (squat and corrugation). Additionally, a machine learning-based method on ABA data to estimate defect severity levels (low, medium, heavy) is proposed. False positives are detected in the original labels by both classifiers during evaluation. The inspection of the false positives in image data reveals that defects have been overlooked in the initial labeling. The insights of this work help to reduce the dependency on labeled data by using only a few labeled samples and by exploiting complementary data sources instead of increasing the number of labeled instances.

elib-URL des Eintrags:https://elib.dlr.de/194005/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Rail Surface Defect Detection and Severity Analysis using CNNs on Camera and Axle Box Acceleration Data
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Jahan, KanwalKanwal.Jahan (at) dlr.dehttps://orcid.org/0009-0000-6977-239XNICHT SPEZIFIZIERT
Lähns, Alexanderalexander.laehns (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Baasch, BenjaminBenjamin.Baasch (at) dlr.dehttps://orcid.org/0000-0003-1970-3964NICHT SPEZIFIZIERT
Heusel, JudithJudith.Heusel (at) dlr.dehttps://orcid.org/0009-0007-7573-6652NICHT SPEZIFIZIERT
Roth, MichaelM.Roth (at) dlr.dehttps://orcid.org/0000-0002-4812-346XNICHT SPEZIFIZIERT
Datum:2023
Erschienen in:IAI2023 - 7th International Congress and Workshop on Industrial AI and eMaintenance
Referierte Publikation:Nein
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Herausgeber:
HerausgeberInstitution und/oder E-Mail-Adresse der HerausgeberHerausgeber-ORCID-iDORCID Put Code
Kumar, Udayuday.kumar (at) ltu.seNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Karim, Raminramin.karim (at) ltu.seNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Galar, Diegodiego.galar (at) ltu.seNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kour, Ravdeepravdeep.kour (at) ltu.seNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Status:veröffentlicht
Stichwörter:Deep learning, Convolutional neural network, Time-synchronized dataset, Supervised learning, Severity analysis, Rail surface defects, Squats, Corrugation
Veranstaltungstitel:IAI2023 - 7th International Congress and Workshop on Industrial AI and eMaintenance
Veranstaltungsort:Luleå, Sweden
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:13 Juni 2023
Veranstaltungsende:15 Juni 2023
Veranstalter :The Division of Operation and Maintenance Engineering, Luleå University of Technology
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Schienenverkehr
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V SC Schienenverkehr
DLR - Teilgebiet (Projekt, Vorhaben):V - TraCo - Train Control and Management
Standort: Berlin-Adlershof , Braunschweig
Institute & Einrichtungen:Institut für Verkehrssystemtechnik > Informationsgewinnung und Modellierung, BA
Institut für Verkehrssystemtechnik > Informationsgewinnung und Modellierung, BS
Hinterlegt von: Baasch, Dr. Benjamin
Hinterlegt am:11 Dez 2023 14:50
Letzte Änderung:24 Apr 2024 20:54

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.