动车组位置追踪系统常见问题影响分析及解决方法

从动车组位置追踪系统的系统原理、系统接口等方面出发,分析了系统日常应用过程中常见问题的影响,并给出了相应的解决方法,为动车段/所位置追踪系统的设计、应用和维护提供了积极的思路。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

基于MATPCA方法的混凝土表观缺陷识别研究

以混凝土表观缺陷为对象,研究用图像处理和模式识别技术来实现表观缺陷的检测和识别,重点在混凝土外观缺陷图像的特征提取和设计有效、可靠的分类器,实现缺陷的准确分类.基于矩阵的主分量分析（MATPCA）是统计学中分析数据的一种有效的方法,它可以将数据从高维数据空间变换到低维特征空间,因而可以用于数据的特征提取及压缩等.将MATPCA法应用于混凝土表观缺陷识别系统的特征提取层,并在MATLAB中实现特征的提取,较好地满足识别层的输入要求;而在系统的识别层,研究BP神经网络方法取得了较好的实验效果.     

基于卷积神经网络的路基病害自动识别方法研究

路基病害导致的道路坍塌事件时有发生,利用探地雷达(ground penetrating radar,GPR)技术对道路路基进行周期性的无损检测和评估,可有效识别处于早期阶段的路基病害,为及时治理提供技术支撑。传统的GPR路基病害图像解释大多依靠人工,存在评价不客观且效率低下的问题。为实现路基病害的自动识别,提出基于卷积神经网络(CNN)提取GPR路基病害图像特征的方法。该方法所采用的网络结构由卷积层、池化层和全连接层组成;输入病害图像后首先经过5层卷积层和5层池化层提取图像特征,然后将提取到的图像特征输入两层全连接层分类,最后通过softmax层输出识别结果。正演模拟数据集表明,该方法对路基空洞充气、路基空洞充水、路基脱空及路基含水层这4种典型道路路基病害的雷达图像识别准确率达到 96.75%,验证了该方法的有效性。     

图像识别技术在接触网悬挂状态检测中的应用

提出了一种新型基于计算机图像自动识别的接触网零部件悬挂状态检测算法。它与之前的人工肉眼图像判断和传统人工巡检相比,具有检测精度高、检测速度快、环境适应力强等优点。     

铁路车辆监测图像识别模型训练及验证平台研究

针对铁路车辆轨边图像检测系统现有图像自动识别模型训练及评价过程中训练数据不足、数据质量不高、评价标准不一致等问题,研究铁路车辆监测图像识别模型训练及验证平台。设计故障图像数据统一接入,专家标定数据形成,自动识别模型接入、训练、对比评测等方法,为故障图像自动识别模型提供标准训练数据、统一评测验证与管理服务的能力。实践表明,该平台实现了车辆故障图像数据的集中汇总与统一管理,为铁路车辆监测图像自动识别技术的发展提供了有力支持。     

基于深度神经网络的船舶图像识别检索研究

对船舶图像进行快速准确识别在军民领域都有广泛应用,随着船舶种类的增多、图像质量的提高,传统的卷积神经网络进行船舶图像识别需耗费大量时间。本文对深度神经网络的原理进行分析,并在此基础上研究基于深度神经网络的船舶图像识别流程,对船舶图像预处理技术进行研究,建立船舶图像训练集和测试集,对YOLOV2、卷积神经网络和本文算法的平均识别时间和识别准确率进行分析,最后研究3种算法的训练次数对识别准确率的影响。本文研究的深度神经网络船舶图像识别算法,在平均识别时间以及识别准确率上具有一定优势。     

钢轨纵向位移快速测量系统的方法与应用

钢轨纵向位移是无缝线路状态演变的典型表现,监测钢轨纵向位移情况成为无缝线路养护维修的重点工作。然而,目前常用的无缝线路状态监测方法均基于固定式设备,大多存在成本高、精度差的弊端,且较难实现快速监测。开发设计一种动态的无缝线路钢轨爬行快速测量系统,基于机器视觉技术,对轨标和道旁基标图像进行特征提取,并通过对轨道场景进行还原和追踪,实现对无缝线路状态的监测。通过系统在现场的应用测试验证了该监测方法良好的适用性,在现场试验中钢轨纵向位移的测量精度可控制在±1 mm范围内,满足监测要求。该系统提高了无缝线路养护维修作业效率,降低了人工劳动强度,可为无缝线路科学精细化管理提供借鉴。     

基于多桥支座振动信号联合分析的列车荷载类型识别方法

在重型列车荷载反复作用下,桥梁结构易发生损伤与破坏,因此识别列车荷载作用类型可为管理部门提供桥梁可靠运营信息。目前既有的列车荷载类型识别方法往往基于桥梁结构局部力学响应建立,其忽略了整条线路中多点监测数据的关联,识别结果易受复杂环境影响。针对此问题,提出一种基于多桥支座振动信号联合分析的列车荷载类型识别方法。首先利用构建的桥梁支座健康监测视觉分析系统提取多桥支座的动位移数据,提出通过FFT信号相关分析对多桥支座振动数据进行时间同步,由此获得多点监测数据的联合表征;然后,将构建的多点监测数据联合表征可视化为灰度图像,并将列车荷载类型识别建模为图像识别问题;提出利用ShuffleNet-V2轻量级识别网络对构建的多点监测数据联合表征图像进行分类,由此识别不同类型的列车荷载。最后通过实际的桥梁支座健康监测系统进行测试,实验结果表明在复杂环境下多桥支座振动信号联合表征可获得良好的图像分类特征,而构建的轻量级识别网络可精准识别列车荷载类型,验证了本文方法具有很好的普适性与应用前景。     

电基于图像识别系统的整车单证检测开发及应用

本文基于图像识别技术ORC（即光学字符识别）,提出了汽车整车上牌章证信息智能核对系统,将车辆上牌单证与法规单证关键信息进行智能化识别、核对和信息存档,提高单证信息的一致性和准确性,极大提升了整车质量在线检验效率,也为整车产品精确追溯性提供了保证。