關鍵詞:鋼軌扣件 缺損檢測 多線路 圖像識別 深度卷積神經網絡
摘要:提出基于在線學習策略的扣件區域定位算法,即根據軌道圖像的先驗知識和模板匹配方法定位扣件區域,利用在線學習策略動態地更新模板庫,使算法能夠在多線路的軌道圖像中定位扣件區域,并自動標注扣件樣本;提出基于深度卷積神經網絡的扣件缺損識別算法,即根據扣件區域圖像的尺寸較小、圖像內容相對單一的特點設計識別算法的網絡結構,采用樣本隨機排序策略的數據增強方法,以減小樣本數量失衡對識別性能的影響。基于多線路鋼軌扣件試驗數據集對檢測方法進行試驗驗證,結果表明:該方法可在不同線路的軌道圖像中精確定位扣件區域并識別扣件缺損,扣件區域定位平均檢測率達到99.36%,扣件缺損識別平均精確率達到96.82%,具有較高的可靠性和較強的多線路適應能力。
中國鐵道科學雜志要求:
{1}正文應盡量減少層次,一般不宜超過3層。有標題內容才列數字序號(沒有標題的內容用自然段形式起始),數字序號后不用加點,但要空1格。
{2}來稿必須為原創性作品,此前未經公開發表。嚴禁抄襲、剽竊和一稿多投,如有發現,將永不刊用該作者來稿。
{3}文內標題:文內標題要簡潔、明確,標題層次不宜過多,一般保留三級標題。
{4}將參考文獻按在文中出現的先后順序排列編號,并用方括號標注在文中引用處的右上角。參考文獻數量為15-20個。
{5}作者簡介:姓名,出生年,性別,籍貫,單位(大小單位都要寫清)及所在省市、郵編,職稱或學位。
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社