共查询到19条相似文献,搜索用时 187 毫秒
1.
《铁道科学与工程学报》2020,(4)
地铁列车的焊接缺陷严重威胁到列车运行安全,针对目前地铁车辆铝合金车体焊缝检测存在漏检错检问题,提出一种基于改进Faster R-CNN识别焊缝缺陷的方法。运用ABAQUS对铝合金车体焊缝缺陷进行建模仿真,获得多组同类缺陷信号图。基于Faster R-CNN框架对缺陷进行分类,并引入Unet模型和Resnet模型对原始Faster R-CNN框架进行改进,以提高识别精度。对人为添加噪声的信号图进行检测,以验证本文模型的鲁棒性。研究结果表明:改进后的模型对于铝合金车体焊缝缺陷检测具有更高的识别率和鲁棒性。 相似文献
2.
高速列车车轮踏面剥离、擦伤等损伤的检测主要以效率低下的人工巡检为主,为了提高检测效率设计一种基于机器视觉的高速列车车轮踏面损伤的动态检测系统,提出使用改进Canny算子对车轮踏面损伤进行边缘检测。改进的Canny算子在平滑图像时采用自适应加权中值滤波算法来代替高斯滤波,采用添加45°和135°方向梯度模板的Sobel算子来计算梯度幅值,以大津法(Otsu法)来确定最佳高低阈值。仿真实验结果表明:基于自适应加权中值滤波和大津法的改进Canny算子可以有效地检测车轮踏面损伤的边缘,同时也实现了自动检测。 相似文献
3.
针对高速列车车轮踏面擦伤、剥离的人工巡检方法效率较低且容易出现漏检等问题,设计一种高速列车车轮踏面损伤的动态检测系统,提出一种擦伤、剥离的特征提取方法。该方法在现有Canny算法的基础上加入45°方向和135°方向梯度模板来计算梯度幅值,用线性插值法对梯度幅值进行非极大值抑制,再使用优化后的迭代阈值算法求得高阈值和低阈值。试验结果表明,该算法可以有效地抑制噪声和干扰,最大限度地保留高速列车车轮踏面的真实边缘,为列车车轮踏面损伤自动巡检提供技术支持。 相似文献
4.
多功能车轮轮缘踏面自动化动态检测系统 总被引:2,自引:0,他引:2
车轮轮缘踏面自动化动态检测系统与不落轮镟轮机床组成一个车轮检查与维修一体化系统,对于提高轮对维修水平和工作效率,消除以往繁重的体力劳动和人为测量误差,保证列车运行质量和安全性,提高列车运用效率等发挥了重要作用。 相似文献
5.
针对当前城轨车辆车轮踏面磨耗人工检测劳动强度高、检测精度低的问题,提出一种基于激光位移传感器的车轮踏面磨耗检测方法。首先在轨道外侧安装一组激光位移传感器进行车轮踏面数据采集;其次结合标准轮对踏面轮廓数据,采用数据预处理、坐标旋转、数据融合等算法获取实际车轮踏面轮廓线;最后根据踏面磨耗几何关系获得车轮踏面磨耗值。通过踏面磨耗检测误差分析以及现场标准轮对实验和过车实验表明,所提方法检测精度为±0.2 mm,抗干扰能力强,能够满足踏面磨耗检测实际要求。 相似文献
6.
7.
及时、高精度地测量列车轮对表面参数对铁路安全运输非常重要。尽管激光扫描测量法具有测量精度高和不易于磨损的优点,但目前国内外采用该方法测量车轮踏面时,实际测量精度和效果均不理想。提出一种基于激光线扫描测量法的轮对表面参数测量方法。系统基于三角测量原理,利用2个面阵CCD(Charge-coupled device)摄像机,获取来自被照射部分车轮表面的“散射”光图像。通过图像识别、特征提取、数据处理等方法,快速获取轮对踏面的参数。实验研究表明,该列车轮对踏面参数测量方法具有检测速度快、精度高的特点。 相似文献
8.
[目的]踏面缺陷是高速铁路动车组列车车轮失效的主要表现形式之一,严重影响了动车组运行的安全性及乘客的乘坐舒适性。车轮踏面缺陷主要集中在头尾车,可能是多种因素共同作用的结果,需要寻找一种能综合多种影响因素的预测方法。[方法]基于某铁路局动车组列车的车轮镟修数据,每个数据样本包括10个特征(4个名义特征和6个连续特征),对数据进行预处理。通过合成少数类样本过采样技术对不平衡数据集进行处理,构建了标准化数据集。建立了DNN(深度神经网络)模型,对底层特征进行组合,形成了特征的高层抽象表示。通过网络结构调整和超参数优化得到了模型的最优学习效果。对模型进行训练并测试,验证了该模型的预测效果。[结果及结论]基于数据驱动的头尾车车轮踏面缺陷预测方法具有较高的预测精度和较优的综合性能,其预测精确率达92.5%,可有效预测头尾车车轮踏面损伤的发生概率。 相似文献
9.
车辆检修作业中,当发现车轮踏面擦伤时,要用车轮车床或车轮踏面修正块将踏面校正至正常状态。东京地铁公司为提高车轮踏面校正作业的效率,制作了新型洒水装置。文章介绍了装置的概况、工作原理,以及在抑制火花发生、提高踏面修正效率、削减成本方面取得的成效。 相似文献
10.
11.
相比传统的物理检测算法,基于机器视觉的检测算法具有检测速度快、操作便捷等诸多优点,但因受光照不均、相机失焦抖动、雨雪天气等外界因素的影响,导致检测精度降低。针对这一问题,提出一种基于图像增强与深度学习的钢轨表面缺陷视觉检测算法。首先,对图像进行Gabor滤波去噪,以减少噪声对缺陷检测的影响;然后,利用HSV空间变换方法增强缺陷图像的关键特征信息;最后,通过改进Faster R-CNN卷积神经网络,实现了多尺度钢轨表面缺陷的检测与识别。通过对所提出的检测算法进行对比实验,实验结果表明:裂纹、剥落、磨损三类缺陷的识别精度分别为91.87%,92.75%和91.52%,检测速度为每张图像0.265 s,优于已有的钢轨表面缺陷检测算法,能够很好地应用于实际项目中。 相似文献
12.
准确的扣件定位是进行扣件状态检测、保障轨道交通车辆安全运行的基础,传统的基于图像处理的方法难以满足快速准确智能检测的需要.针对这一情况,提出一种基于改进Faster R-CNN的深度学习理论方法,进行扣件定位.首先,建立检测图像数据集并进行图像标注,然后根据实际扣件图像特点建立Faster R-CNN检测模型,利用标注... 相似文献
13.
14.
针对高铁接触网顶紧螺栓目标小、缺陷检测困难的问题,提出一种基于深度学习的顶紧螺栓缺陷检测方法。根据4C检测车拍摄的高铁接触网图片(大小为6600*4400 pixels),首先对特征信息更多的斜撑套筒进行定位,采用TDM模块与SSD相结合的算法提升算法对小目标的检测精度,并通过改变默认框的尺寸以得到更好的检测精度和速度;然后利用DeepLab v3 plus算法对顶紧螺栓部分进行语义分割;最后提出一种阈值法对顶紧螺栓的缺陷情况进行判别。为满足实际工程的速度需求,对训练好的模型进行优化。实验结果表明:相较于经典的SSD,本文改进的SSD方法对斜撑套筒的定位精度和速度都有提升;对于6600*4400 pixels的原始样本,本文提出的顶紧螺栓缺陷检测方法精度上达到95.9%,速度达到17.9 fps。 相似文献
15.
16.
17.
行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对该模型做适应性改进以满足铁路异物检测的现实需要。提出将全连接层用全局平均池化层替代来减少参数量;通过增加锚点个数来提高对目标区域建议的精确性;引入迁移学习思想训练网络以解决铁路异物侵限数据匮乏问题。在铁路异物侵限视频数据集上进行测试表明,本算法对于人、车及部分动物的综合检测精确度达到了97.81%。 相似文献
18.
19.
陶丹丹 《铁道科学与工程学报》2021,18(2):343-350
钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战.提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真... 相似文献