| 基于深度学习的铁路列车关键零部件图像故障检测 |
| |
| 作者姓名： | 李萍 吴斌方 刘默耘 张杨 林凯 孙国栋 |
| |
| 作者单位： | 1.湖北工业大学 机械工程学院,湖北 武汉 430068;2.南京大学 计算机科学与技术系,江苏 南京 210023;3.华中科技大学 机械科学与工程学院,湖北 武汉 430074 |
| |
| 基金项目： | 国家自然科学基金;大学生创新创业训练项目 |
| |
| 摘 要： | 提出一种基于深度学习中卷积神经网络的列车关键零部件图像故障视觉检测算法。首先,引入故障区域复合提议网络和一组先验包围盒来生成高质量的故障区域;然后,采用线性非极大值抑制算法来保留最合适的故障区域并去除冗余;最后,结合故障区域复合提议网络,提出一种多尺度故障检测网络来进行故障区域分类和精确检测。本文将提出的算法在多个典型列车故障的数据库中进行实验,结果表明,本算法检测精度高,检测速度为每张图像0.246 s,检测性能明显优于现有的最先进的方法,能更好地应用于实际工程中。
|
| 关 键 词： | 铁路列车 故障检测 卷积神经网络 多尺度 |
| 收稿时间： | 2019-03-08 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《铁道科学与工程学报》浏览原始摘要信息 |
|
点击此处可从《铁道科学与工程学报》下载免费的PDF全文 |
|
