基于卷积神经网络的铁轨扣件异常状态检测研究

基于卷积神经网络的铁轨扣件异常状态检测研究

ID:35062156

大小:6.73 MB

页数:67页

时间:2019-03-17

基于卷积神经网络的铁轨扣件异常状态检测研究_第1页
基于卷积神经网络的铁轨扣件异常状态检测研究_第2页
基于卷积神经网络的铁轨扣件异常状态检测研究_第3页
基于卷积神经网络的铁轨扣件异常状态检测研究_第4页
基于卷积神经网络的铁轨扣件异常状态检测研究_第5页
资源描述:

《基于卷积神经网络的铁轨扣件异常状态检测研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学校代码004密级:公开i10BEIJINGJIAOTONGUNIVERSITYf硕±专业学位论义基于卷巧神经网络的铁轨扣件异常状态检测研究作者姓名赵龍工程领域计龍技术指导教师田媚讲师議IkrJI如交4乂肇硕丈专业学位论文基于卷积神经网络的铁轨扣件异常状态检测研究RailwayastenerDetectionBasedonConvolutionFNeuralNetwork作者:赵蠢欣导师:田媚北京交通大学2016年6月学位论文版权

2、使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可レッ将学位论文的全部或部分内容编入有关数据库进行检索,提供巧览服务,并采用影印レ、缩印或扫描等复制手段保存、汇编ッ供査阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盘レ。学校可ッ为存在馆际合作关系的兄弟高校用户提供文献#递服务和交换服务。(保密的学位论文在解密后适用本授权说明)学位论文作者签名:.导师签名;签字曰期:年月曰签字曰期:告年月^含曰^:公开学校化码:10004密

3、级北京交通大学硕±专业学位论文基于卷积神经网络的铁轨扣件异常状态检测研究RailwaFastenerDetectionBasedonConvolutionyNeuralNetwork:14125222作者姓名:赵蠢欣学号:导师姓名;田媚职称讲师工程硕±专业领域:计算机技术学位级别:硕±北京交通大学2016年6月i致谢本文的工作是在我的导师田媚老师悉也指导下完成的,田媚老师严谨的研究态度和积极的工作方法给了我很多帮助和指导。无论在学习还是在生活上都给予

4、我许多宝贵的建议。田媚老师拥有宽容的胸怀,在科研方面具有独特的风格。在此向田媚老师表达诚擎的感谢和真诚敬意。、衷屯感谢黄雅平老师在研巧生期间对我学习的指导与帮助,并感谢实验室的所有老师的关屯、和鼓励。感谢九教北514实验室的刘俊巧师兄和王胜春师兄等,愿全体老师、同学和朋友在事业、学业和生活中有新的收获和进步。北京巧通大学硕±专业学位论义摘要一在铁路发展和运营过程中,铁路基础设施的安全检测直是铁路安全的重点一之,其中扣件异常状态检测是非常重要的环节。近年来,随着计算机技术及图像处

5、理技术飞速发展,基于计算机视觉的扣件缺失自动检测系统己经成为维护铁热点之一。路线路环境安全的重要措施,是视觉检测领域的研巧课题组在前期工作中,提出了基于在线学习的扣件检测方法。该方法通过在线学习策略,动态生成模板库,因此不需要训练,可W方便地推广到不同的线路,目前己经在铁道科学研巧院研制的轨检车上实施部署,在多个铁路局稳定运行,一,取得了很好的检测效果些不足:首积累了大量的数据。但是该方法也存在着先,,由,,该方法需要定期维护静态扣件模板库其次于没有训练过程因此相对。而言,错检率较高一为了进

6、步提高检测效率,同时充分利用前期采集分析得到的大量数据,本一文提出了种基于卷积神经网络的铁轨扣件异常状态检测方法。与前期手工HOG一不同,通过前,深度学习是种基于学习的特征提取方法期积累的大量数据进行一训练,可有效地提高检测精度。并对于些特殊的扣件异常状态,如:扣件微小的变化、扣件的松动和弹条断裂等情况,也可通过重新学习和训练完成对不同线路铁轨扣件的检测。本文的主要工作有;1、训练数据集的收集和整理:通过课趣组己有基于在线学习的自适应扣件检測方法,收集整理了大*的扣件数据,完成了采集铁轨扣件

7、数据集的工作,将采一一。,另集到的扣件数据集分为两类,类是正常扣件类是异常扣件采集了H条、。81线路铁轨扣件数据,分别是集通线沪宁线和沪杭髙铁线集通线共472张扣22611张。278妨张扣件图件围像,其中正常扣件24670张,异常扣件沪宁线共像,其中正常扣件13946张,异巧扣件13923张。沪杭高铁线共35428张扣件图。巧,其中正常扣件18456张,异巧扣件16972张2、从围像分类(Classification)角度看,扣件异常状态的检測就是扣件状态一正常和异常的二分类问趣。为此exNet

8、,我们提出了种基于Al网络埃型的扣件检一,測方法,该方法是种基于特征学习的方法,通过由低层特征逐级抽取能巧得到更加抽象的巧层类别特征,克服了手工设计的HOG特征和己有扣件棋板库对复杂扣件变化适应能力较弱的问屈,在集通线路上对于由光照巧污巧引起的变化取巧很好的实验结果。化北京巧通大

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。