一个具有自动输入功能的电路CAD系统

本文介绍了一个具有自动输入功能的电路CAD系统。对于一幅由摄像或扫描输入的手绘电路草图，经过滤波、二值化、细化等一系列图像预处理过程，然后进行元器件的识别和全电路结构的识别。识别结果存储在链表结构中，这样就可方便地对电路图进行修改。最后将识别结果与电路分析软件PSpice接口，并用PSpice对识别出的电路进行分析和优化设计。     

基于图像识别的轮轨冲角测量系统研究

为了解决机车车辆运行过程中轮轨冲角的连续测量问题,研究基于运动图像识别的轮轨冲角测量原理,提出轮轨冲角测量方法。运用该方法研制了由图像采集系统、同步采集控制系统、图像处理软件等组成的轮轨冲角测量系统,通过连续测量转向架侧架与轨道的夹角和轮对与侧架的夹角计算轮轨冲角。应用该测量方法对DF8B三轴径向转向架机车进行实车线路试验,测得该车径向机构锁定和不锁定两种状态下通过250 m半径曲线时的第一轴和第三轴轮轨冲角变化曲线。     

沥青混合料油石比的图像识别方法

为了快速方便地检验沥青混合料油石比,选取普通沥青混合料AC-13C,按不同油石比击实成型标准马歇尔试件,并对试件进行水平切割,采用数码相机拍摄沥青混合料切面的数字照片,据此通过图像处理提取沥青灰度特征.分析结果表明:沥青混合料切面图像的灰度频率分布曲线具有典型的双峰分布特征,通过采用加权的双正态分布概率密度函数拟合左峰半枝灰度频率分布曲线,所提取的沥青灰度特征明显,相应得到的识别沥青用量与实际油石比之间具有显著的线性相关性,判定系数超过0.99;图像识别方法的识别油石比与实际油石比之间的绝对误差一般在±0.1％以内.可见,采用图像处理技术识别沥青混合料油石比可行.     

卷积神经网络及其在智能交通系统中的应用综述

从特征传输方式、空间维度、特征维度3个角度,论述了近年来卷积神经网络结构的改进方向,介绍了卷积层、池化层、激活函数、优化算法的工作原理,从基于值、等级、概率和转换域四大类总结了近年来池化方法的发展,给出了部分具有代表性的激活函数对比、梯度下降算法及其改进型和自适应优化算法的工作原理和特点;梳理了卷积神经网络在车牌识别、车型识别、交通标志识别、短时交通流预测等智能交通领域中的应用和国内外研究现状,并将卷积神经网络算法与支持向量机、差分整合移动平均回归模型、卡尔曼滤波、误差反向传播神经网络、长短时记忆网络算法从优势、劣势和在智能交通领域的主要应用场景三方面进行了对比;分析了卷积神经网络在智能交通领域面临的鲁棒性不佳和实时性较差等问题,并从算法优化、并行计算层面和有监督学习到无监督学习方向研判了卷积神经网络的发展趋势。研究结果表明:卷积神经网络在视觉领域具有较强优势,在智能交通系统中主要应用于交通标志、车牌、车型识别、交通事件检测、交通状态预测;相比其他算法,卷积神经网络所提取的特征更加全面,有效地提高了识别准确度与速度,具有较大的应用价值;卷积神经网络未来将通过网络结构的优化、算法的改进、算力的提升以及基准数据集的增强,为智能交通带来新的突破。      

复杂背景图像中圆检测的新算法

如何在复杂背景图像中确定圆的存在,并将其准确定位,具有广泛的工程应用价值.本文通过对大量圆定位算法的研究,提出了一种利用圆形性特征在复杂背景图像中进行圆检测的新算法.经实验证明,此算法实现了复杂背景图像中圆形炮管的自动定位与分割,对于发生形变的图像,此算法仍具有较好的位移、旋转和伸缩不变性,可应用于工程中的圆检测.     

基于PHM技术的EOAS健康管理和故障预测系统研究

目前铁路电务部门主要依靠人工和机务故障报修系统的提报信息,对动车组司机操控信息分析系统（EOAS）车载设备进行维护,但无效及误报信息较多,无法满足当前车载设备的运用保障需求。针对该问题,基于故障预测与健康管理（PHM）技术,利用EOAS实时回传的车载设备运行数据和图像信息,通过通用故障建模、大数据技术、图像识别,智能分析运行状态变化,实现EOAS车载设备健康状态在线实时监测、关键部件的故障报警及预测、EOAS全生命周期的健康信息管理,为设备日常运用、维护和管理提供技术手段,实现精准和预防性维修,把当前被动的故障处理转变为故障预防管理。该系统投入运用后,对相关设备维护人员的知识储备、经验能力、熟练程度等要求大大降低;与原人工检测作业对比,检测耗时大幅缩短,有效提升电务部门的设备维护效率和质量,保障了车载设备的持续可靠运行。     

铁路车号多途径综合识别系统的设计

本文介绍了一种通过射频识别技术和图像识别技术相结合,实现铁路车号可靠识别的方案.该方案综合利用车辆电子标签和车侧刷写的车号两种信息源,在融合两种识别技术自动提高识别效率的基础上,还为车号工作人员提供了通过图象核对补充的功能,可以有效保障车号信息的正确性和实时性,显著提高了作业进程和效率.     

车牌识别的分布式结构处理方法研究

提出了一种车牌识别的分布式结构处理方法,能合理利用车牌识别系统的资源,提高车牌识别系统的识别效率,适合于多车道大流量的实际交通系统。对车牌识别系统在交通系统的应用和推广具有重要意义。     

基于深度学习的交通信号灯实时决策研究

为有效缓解城市交通压力,提升交通信号控制的智慧化水平,提出一种基于图像识别并融合深度学习的多交叉口交通信号灯实时决策模型方法。采用图像识别的方法判别拥堵状态,搭建区域多交叉口交通信号灯实时决策模型,以总调度期内通行评分最高为目标函数构建深度学习网络;采用机器学习思想优化决策方案,通过预训练增加决策方案容量并缩短现场决策时间,达到实时决策的目的;将研究模型应用于湖北省武汉市武昌区中山路路段,并进行模型论证和结果分析。研究结果表明,所提出的模型方法能有效解决区域多交叉口交通信号灯联合调度问题,可为交通管理者提供更合理的决策方案。