基于卷积神经网络的航拍视频轨道异物检测方法

针对无人机航拍视频轨道异物检测存在动态背景及异物类型多样等问题,提出了一种基于CNN(卷积神经网络)的航拍视频轨道异物检测方法：对航拍单帧图像采用Canny边缘检测、概率Hough变换、线段筛选等确定轨道区域;采用改进的MobileNet CNN模型对轨道区域图像进行单帧图像异物检测分类;利用视频的帧间相关性优化单帧检测结果,得到最终的视频轨道异物检测结果;并采用自建的实拍轨道区域图像数据集进行试验。结果表明,该方法适用于航拍视频中存在多种类型异物的情况,并能实现有效检测。     

有轨电车线路槽型轨自动清洁系统研究

针对有轨电车线路槽型轨内异物清洁效率低下的问题,提出了槽型轨异物快速检测算法及基于此算法研发的槽型轨自动清洁系统。通过该算法,自动清洁系统可快速检测且定位出槽型轨内异物的位置,并控制轨道清洁车利用高压水流和负压吸口进行自动清洁。试验结果表明:该快速检测算法对槽型轨内异物检测成功率超过92%;平均每帧图像的处理时间为31.6 ms;轨道清洁车能够在以20 km/h速度行驶过程中实现对槽型轨内异物的自动清理。该自动清洁系统既节约了水资源,又提高了槽型轨的清洁效率,有助于有轨电车在城市公共交通中的进一步推广。     

高速铁路周界入侵视频图像样本库

随着高速铁路的大规模建设与运营,视频监控系统在铁路沿线的应用规模越来越庞大,产生的视频数据爆炸性增长.基于图像的目标检测算法能及时发现监控画面中入侵高铁周界的异物,对保证安全运营具有重要意义.通过建设高铁周界入侵视频图像样本库,利用统一的高铁场景视频图像数据、目标检测算法、算法运行环境和算法评价标准,测试不同场景、天气...     

基于深度学习的铁路辅助巡检系统

针对人工巡检方式错漏多、强度大、成本高的问题，设计基于深度学习和虚拟现实（VR）远程控制技术的铁路辅助巡检系统。该巡检系统结合开源数据集和定制数据集，采用深度学习算法，能可靠地识别异物位置与类别；采用服务器推流技术与终端进行数据交互，实现对远程设备的控制；客户段端采用VR+手机App技术，达到沉浸式视觉效果。多次实际测试结果表明:该系统实用性强，经济性好，准确率高，为铁路部门巡检体系提供良好的借鉴方案。     

基于激光扫描的地铁站台门与列车间隙异物检测研究

针对地铁站台门与列车之间间隙的安全防护问题,介绍了目前业内广泛采用的激光对射和红外光幕2种自动检测方式,并分析了各自存在的检测问题。提出了基于激光扫描的异物检测方案,包括工作原理、系统设计和安装方式等。该方案具有高可靠性及高安全性、可精确定位障碍物、安装简单且不受限界尺寸影响等特点,实现了对乘客及行车运营(尤其在全自动驾驶模式下)更为可靠的安全防护。     

美国海军飞机发动机异物损伤研究

异物损伤是飞机发动机受损的重要原因,备受美国海军重视。发动机异物损伤原因的准确判别具有难度,经常需要有经验人员根据损伤结果进行推测。异物存在、吸入条件和作业环境是影响发动机异物损伤的三方面因素。改进飞机设计、开展异物排查可减少异物损伤的发生。     

货车120型控制阀典型故障的分析

列出了１２０型控制阀主要件在检修中发现的典型故障，分析了故障原因，并据此提出了减少故障的建议。