基于偏差分析的交通事件自动检测算法

高速公路事件检测是交通管理与控制中十分重要的环节。将交通流动态预测与事件检测相结合,探讨了基于偏差分析的事件识别方法。该方法对3个主要的交通流参数,交通量、地点车速和时间占有率进行动态预测,对预测值与实际值的偏差进行统计分析,明确了事件检测的具体步骤和事件发生概率的计算模型。该方法不受检测路段具体位置和时间的限制,具有较高的检测率和较小的误报率,有助于管理人员制定决策。     

发动机装配中的主轴摩擦力矩自动检测

介绍了一汽车汽车发动机主轴摩擦力矩自动检测装置，该装置包括主轴驱动，微机检测两大部分。阐述了主轴驱动式、传感器设计、微机检测原理，系统抗干扰设计等。应用该系统，不仅可减轻劳强度，提高生产效率而且可提高发动机的装配质量。     

铁路货车承载鞍自动检测机

介绍用漫反射激光传感器实现对承载鞍的全自动非接触测量。所达到的效果及发展的方向。     

ND5型内燃机车电子插件板微机检测系统

介绍了NDS型内燃机车电子插件板微机自动检测系统的设计原理和软硬件结构。详细阐述了研制该系统需要解决的关键技术及其实现方法。该系统的研制运用提高了ND5插件板检修质量和检修效率，为保证机车的安全运行发挥了重要作用。     

基于SNN软件系统的神经网络交通事件自动检测算法

高速公路交通事件自动检测在我国是一个新的研究领域,它是解决高速公路突发交通事件的有效途径之一。随着神经网络技术的成熟与完善,许多学者把这项技术应用于高速公路交通事件自动检测。本文总结现有神经网络算法的不足,提出基于SNN(StatisticalNeuralNetworks)软件系统的神经网络交通事件检测新算法,通过与传统的加利福尼亚算法、滤波算法、标准偏差法进行比较和验证,得出新算法明显优于传统事件检测算法的结论。     

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.