基于機(jī)器視覺的多線路鋼軌扣件缺損檢測(cè)方法
關(guān)鍵詞：鋼軌扣件 缺損檢測(cè) 多線路 圖像識(shí)別 深度卷積神經(jīng)網(wǎng)絡(luò)
摘要：提出基于在線學(xué)習(xí)策略的扣件區(qū)域定位算法,即根據(jù)軌道圖像的先驗(yàn)知識(shí)和模板匹配方法定位扣件區(qū)域,利用在線學(xué)習(xí)策略動(dòng)態(tài)地更新模板庫(kù),使算法能夠在多線路的軌道圖像中定位扣件區(qū)域,并自動(dòng)標(biāo)注扣件樣本;提出基于深度卷積神經(jīng)網(wǎng)絡(luò)的扣件缺損識(shí)別算法,即根據(jù)扣件區(qū)域圖像的尺寸較小、圖像內(nèi)容相對(duì)單一的特點(diǎn)設(shè)計(jì)識(shí)別算法的網(wǎng)絡(luò)結(jié)構(gòu),采用樣本隨機(jī)排序策略的數(shù)據(jù)增強(qiáng)方法,以減小樣本數(shù)量失衡對(duì)識(shí)別性能的影響?；诙嗑€路鋼軌扣件試驗(yàn)數(shù)據(jù)集對(duì)檢測(cè)方法進(jìn)行試驗(yàn)驗(yàn)證,結(jié)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(qū)域并識(shí)別扣件缺損,扣件區(qū)域定位平均檢測(cè)率達(dá)到99.36%,扣件缺損識(shí)別平均精確率達(dá)到96.82%,具有較高的可靠性和較強(qiáng)的多線路適應(yīng)能力。
中國(guó)鐵道科學(xué)雜志要求:
{1}正文應(yīng)盡量減少層次，一般不宜超過3層。有標(biāo)題內(nèi)容才列數(shù)字序號(hào)（沒有標(biāo)題的內(nèi)容用自然段形式起始），數(shù)字序號(hào)后不用加點(diǎn)，但要空1格。
{2}來稿必須為原創(chuàng)性作品，此前未經(jīng)公開發(fā)表。嚴(yán)禁抄襲、剽竊和一稿多投，如有發(fā)現(xiàn)，將永不刊用該作者來稿。
{3}文內(nèi)標(biāo)題：文內(nèi)標(biāo)題要簡(jiǎn)潔、明確，標(biāo)題層次不宜過多，一般保留三級(jí)標(biāo)題。
{4}將參考文獻(xiàn)按在文中出現(xiàn)的先后順序排列編號(hào),并用方括號(hào)標(biāo)注在文中引用處的右上角。參考文獻(xiàn)數(shù)量為15-20個(gè)。
{5}作者簡(jiǎn)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?qū)W位。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
