列尾主机自动检测系统在开发及应用方面的探讨

本文简单介绍了列尾主机自动检测系统在开发及应用方面的情况     

基于深度残差神经网络的地铁站台门与列车门间异物自动检测方法研究

针对地铁站台门与列车门间现有异物检测方法的精度差、误报率高的问题,提出基于深度残差神经网络图像识别原理,利用地铁站台发车指示器图像数据实现站台门与列车门间异物实时检测.首先,搭建基于深度残差神经网络ResNet50模型的自动异物检测系统;然后,采集站台发车指示器视频帧信息建立数据集并完成系统训练;最后,分析自动异物检测系统对验证信息集的处理效果,并将该系统应用于实际地铁车站中.处理效果表明:实际应用验证中最低准确率为98.7％,单张视频帧处理总耗时不超过65 ms,满足地铁实际运营的要求.     

保证乘客安全和车辆正常运行——车辆气动式车门增加自动检测功能

地铁车辆主要使用电动式和气动式客室车门。从设计上看，电动式车门带有车门自动检测装置，该装置对车辆安全运营、乘客人身安全保障起到重要作用。而气动式车门缺少这种装置，所以建议气动式客室车门安装车门自动检测装置，确保车辆运营和乘客安全。[编者按]     

管片钢筋骨架外弧面尺寸检测系统的研制与应用

传统管片钢筋骨架的质检多数采用人工测量完成,不同人员对测量工具使用的熟练度不同导致最终结果参差不齐。研制了一套基于高精度激光三维轮廓测量仪的钢筋骨架外形尺寸自动检测系统,该系统由检测桁架及轨道小车、电气系统、激光三维轮廓测量仪和上位机软件构成。检测系统工作流程：将钢筋骨架放置在轨道小车上,轨道小车自动运行进入检测工位,测量仪扫描采集点云数据,系统自动处理数据、完成检测数据可视化。检测系统明显提高了钢筋骨架的检测精度和检测速度,同时可根据检测数据生成判定结果,有利于加强管片钢筋骨架的生产质量管控。     

船舶通信网络异常数据自动检测和剔除方法

为提高船舶通信网络异常数据自动检测精度,并全面剔除船舶通信网络异常数据,研究新的船舶通信网络异常数据自动检测和剔除方法。利用基于改进支持向量机的网络异常数据自动检测方法,由改进粒子群优化算法,寻优设置支持向量机的惩罚项、核函数的预定义参数,训练性能合格的支持向量机后,以船舶通信网络数据分类的方式,自动检测船舶通信网络异常数据;将异常数据使用基于自适应级联陷波器的异常数据剔除方法,通过自适应级联陷波器,以异常数据滤波的方式,剔除船舶通信网络异常数据。研究结果显示,使用所提方法,船舶通信网络异常数据自动检测结果符合实际数目,可有效去除船舶通信网络异常数据。     

地铁屏蔽门与车门间异物自动检测技术

目前,国内地铁大都由司机瞭望车尾处光带是否完整来判断车门与屏蔽门之间空隙是否存在异物,该方法误检率高。本文结合地铁车门与屏蔽门之间空隙的特点,从系统性能、安装维护等方面详细比较了目前可能用于地铁屏蔽门与列车之间异物自动检测技术,提出了基于机器视觉的地铁屏蔽门与车门间异物自动检测方法。试验结果证明,该方法具有检测准确率高、设备体积小、安装维护简单、成本低等特点,应用前景广阔。     

基于BP神经网络的交通异常事件自动检测算法

对现有公路交通异常事件自动检测算法进行介绍,在此基础上提出从人工神经网络角度方向建立检测模型,摆脱以往使用仿真数据研究的局限,利用广深高速实测交通异常事件数据对BP神经网络（Back Propagation NN）在交通异常事件自动检测算法中的应用进行研究。结果表明BP神经网络算法具有检测率高、误报率低和检测速度快等优点。