基于Faster R-CNN的接触网吊弦故障检测方法

针对接触网吊弦故障图像样本较少,现有方法检测准确率较低的问题,提出了一种高效率、高准确率的接触网吊弦故障检测方法.以Faster R-CNN模型为基础,通过引入能够提取深层次图像特征并实现特征重用的密集连接卷积神经网络(dense convolutional network model, DenseNet)替代原始的特征提取模块提取吊弦图像特征,并在实验中利用图像旋转、增强等数据变换操作扩充样本集提升检测效果.通过对接触网吊弦图像的测试,以DenseNet为主干网络的Faster R-CNN模型能够检测接触网吊弦故障,检测准确率比原始检测模型提高4%以上,且加入数据变换对吊弦故障检测的准确率和鲁棒性均有显著提升,均值平均精度(mAP)可达98%以上.     

基于背景建模的钢轨表面缺陷像素级检测方法

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...     

沥青蠕变恢复性能快速检测方法研究

沥青蠕变恢复性能快速检测方法是一种基于空气加载和激光测量技术的沥青质量控制试验方法,该方法使用空气(或氮气)射流使沥青材料产生压痕,并用激光测量由此产生的变形和变形恢复。利用沥青蠕变恢复性能快速检测设备对基质沥青、SBS改性沥青和胶粉改性沥青分别进行不同温度下的空气压力加载试验,评价了沥青蠕变恢复性能快速检测方法的重复性,并与针入度试验方法建立相关关系以评价沥青蠕变恢复性能快速检测方法的可行性。研究结果表明：随着测试温度升高,沥青最大蠕变变形增大,而变形恢复率减小。沥青蠕变恢复性能快速检测方法在评价基质沥青和改性沥青性能时均具有较好的重复性,且沥青蠕变恢复性能快速检测评价指标与针入度之间具有较好的相关关系,可以采用沥青蠕变恢复性能快速检测方法代替针入度方法对不同类型沥青蠕变恢复性能进行快速评价。