轨道螺栓作业机扣件识别与定位算法研究
发布时间：2021-09-03 01:53
铁路扣件是将轨枕与铁路进行连接的重要部件,在保证列车运营安全方面有着极为重要的作用。随着我国铁路里程的日益增长,人工维护扣件这一工作情况急需改善,对此,研发一种能够代替铁路工人进行扣件维护的铁路装备显得尤为重要,而研发此类装备的关键之一便是对扣件的识别,其中包括扣件螺母定位以及扣件状态分类。目前,基于深度学习的图像识别技术发展迅速,相比于传统图像识别方式具有诸多优势,在未来也更具有应用前景,而在如何将扣件螺母进行定位以及如何对扣件完整性进行检测判断这个问题上,深度学习技术具有极大的优势,因此研究基于深度学习的扣件的检测技术对研制全自动扣件维护装备具有极其重要意义和价值。本文以深度学习技术为基础,首先介绍了卷积神经网络的基础知识,对目前常用的激活函数进行了详细的比较分析,阐明了局部连接和权值共享这两个卷积神经网络最必不可少的特性,之后通过三种经典网络结构说明了近几年神经网络模型的发展趋势。针对未见公开扣件数据集的问题,通过采集、数据增强、标注的方法建立了扣件数据集RF8000,然后分别基于Faster-RCNN、YOLOv3、MobileNetv1-SSD三种算法,构建了三种扣件检测模型...
【文章来源】：兰州交通大学甘肃省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
扣件常见状态
兰州交通大学工程硕士学位论文-5-入实际项目进行研发，如：Microsoft基于深度学习的视觉系统[23]。Google在2016年３月基于深度学习技术的Alphago通过人机对弈训练击败围棋世界冠军李世石[24]。由此可以看出，不管是工程应用还是学术研究，深度学习都表现出来巨大的潜力和优势。图1.22010-2016年ImageNet竞赛识别错误率变化1.3研究目标与研究内容1.3.1研究目标传统的扣件识别方法需要依靠专家经验进行手工特征设计，这种经验需要多年积累，相比之下，深度学习算法自动地学习能够反应数据差别的特征，识别算法更容易实现。轨道螺栓作业机作业目标为对扣件螺母进行拧紧拧松作业以及对整个扣件的进行完整性判断，所以其视觉任务需要完成对扣件螺母的精准定位以及对扣件是否损坏或丢失进行判断，而应用于轨道螺栓作业机的扣件识别与定位算法容易受到环境因素变化的影响，传统的识别算法多应用于光照条件良好且稳定的轨道扣件图像中，当外部环境光线亮度变化较大时，检测效果会受到巨大影响。因此，本文将研究基于深度学习的方法完成对扣件进行识别定位，达到使用场景的要求，主要包括：(1)构建多环境下的扣件图像数据集，并通过数据增强技术完成缺陷样本进行数据增强，对所有数据进行标注，完成扣件数据集的建立。(2)对当前目标检测领域的方法进行研究，采用当前主流的目标检测算法完成扣件的识别工作，其中包括对识别模型的训练，测试和评价。(3)根据测试的结果，提出适合部署于轨道螺栓作业机硬件系统的算法，并完成所
轨道螺栓作业机扣件识别与定位算法研究-8-虽然网络结构较为简单，但现在多数用于图像处理方面的深度学习网络结构都称为它的衍生网络。图2.1LeNet-5网络结构(1)卷积层从卷积神经网络的命名上可以看到卷积层是其中不可或缺的组成部分，卷积层主要对数据作卷积运算，卷积运算最初是数学学科中的一种运算方式，在卷积神经网络中通常只涉及到离散卷积，如图2.2所示为卷积计算过程。011100010123452468102356712467541231×02×13×1452×14×06×08102×03×15×067124675412310101612×03×14×1524×16×08×01023×05×16×071246754123123×04×15×1246×18×010×0235×06×17×01246754123101621图像数据卷积核第一次卷积操作卷积结果第二次卷积操作卷积结果第三次卷积操作图2.2卷积运算过程示意图上图卷积运算即为对每次落入图像窗口的元素与卷积核进行相乘求和的运算，计算过程为从左向右，从上到下滑动，通过此过程可以计算出新的特征图。
本文编号：3380164
【文章来源】：兰州交通大学甘肃省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
扣件常见状态
兰州交通大学工程硕士学位论文-5-入实际项目进行研发，如：Microsoft基于深度学习的视觉系统[23]。Google在2016年３月基于深度学习技术的Alphago通过人机对弈训练击败围棋世界冠军李世石[24]。由此可以看出，不管是工程应用还是学术研究，深度学习都表现出来巨大的潜力和优势。图1.22010-2016年ImageNet竞赛识别错误率变化1.3研究目标与研究内容1.3.1研究目标传统的扣件识别方法需要依靠专家经验进行手工特征设计，这种经验需要多年积累，相比之下，深度学习算法自动地学习能够反应数据差别的特征，识别算法更容易实现。轨道螺栓作业机作业目标为对扣件螺母进行拧紧拧松作业以及对整个扣件的进行完整性判断，所以其视觉任务需要完成对扣件螺母的精准定位以及对扣件是否损坏或丢失进行判断，而应用于轨道螺栓作业机的扣件识别与定位算法容易受到环境因素变化的影响，传统的识别算法多应用于光照条件良好且稳定的轨道扣件图像中，当外部环境光线亮度变化较大时，检测效果会受到巨大影响。因此，本文将研究基于深度学习的方法完成对扣件进行识别定位，达到使用场景的要求，主要包括：(1)构建多环境下的扣件图像数据集，并通过数据增强技术完成缺陷样本进行数据增强，对所有数据进行标注，完成扣件数据集的建立。(2)对当前目标检测领域的方法进行研究，采用当前主流的目标检测算法完成扣件的识别工作，其中包括对识别模型的训练，测试和评价。(3)根据测试的结果，提出适合部署于轨道螺栓作业机硬件系统的算法，并完成所
轨道螺栓作业机扣件识别与定位算法研究-8-虽然网络结构较为简单，但现在多数用于图像处理方面的深度学习网络结构都称为它的衍生网络。图2.1LeNet-5网络结构(1)卷积层从卷积神经网络的命名上可以看到卷积层是其中不可或缺的组成部分，卷积层主要对数据作卷积运算，卷积运算最初是数学学科中的一种运算方式，在卷积神经网络中通常只涉及到离散卷积，如图2.2所示为卷积计算过程。011100010123452468102356712467541231×02×13×1452×14×06×08102×03×15×067124675412310101612×03×14×1524×16×08×01023×05×16×071246754123123×04×15×1246×18×010×0235×06×17×01246754123101621图像数据卷积核第一次卷积操作卷积结果第二次卷积操作卷积结果第三次卷积操作图2.2卷积运算过程示意图上图卷积运算即为对每次落入图像窗口的元素与卷积核进行相乘求和的运算，计算过程为从左向右，从上到下滑动，通过此过程可以计算出新的特征图。
本文编号：3380164
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3380164.html
