论文摘要
轨道交通的飞速发展对轨道线路各组成部分的可靠性检测提出了更高要求,依靠人工手持设备检测存在某些弊端,因此迫切需要依靠计算机图像处理和深度学习等技术实现轨道线路的自动化检测。介绍一种基于图像处理的钢轨扣件状态分类方法,该方法通过对扣件图像的二值化处理,根据其水平方向和垂直方向上的投影特点对扣件部分进行分割,随后提取其局部二值模式(LBP)特征并用支持向量机(SVM)进行分类。同时,探讨一种基于深度学习的扣件图像分类识别方法,采用卷积神经网络VGG16架构,该方法中扣件区域的特征提取可由网络自动完成,不仅节省了时间,而且识别精度和适用性也得到明显提升。
论文目录
文章来源
类型: 期刊论文
作者: 林菲,杨子明,李永光,吴宽,崔霆锐
关键词: 钢轨扣件检测,状态分类,图像处理,深度学习
来源: 中国铁路 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 铁路运输,计算机软件及计算机应用
单位: 北京神州同正科技有限公司,北京交通大学,北京地铁运营有限公司
基金: 国家重点研发计划项目(2016YFB1200402)
分类号: TP391.41;U213.53
DOI: 10.19549/j.issn.1001-683x.2019.06.103
页码: 103-110
总页数: 8
文件大小: 2786K
下载量: 207