基于图像处理的接触网旋转双耳缺陷识别
发布时间：2021-09-27 22:24
电气化铁路的接触网运行状况与行车安全密切相关,高速运行的列车通过接触网获取电能,确保接触网处于正常工作状态对列车稳定受电至关重要。列车长期在高速状况下运行,振动、冲击以及外界恶劣环境对接触网支持装置的损耗不可避免,因此针对接触网支持装置中的零部件进行故障识别和缺陷检测非常重要。由于铁路具有线路长、环境复杂等特点,传统的检测车例行巡检以及人工定点检测等相关方式已经不能满足检测的实时性和可靠性等需求。随着高清成像和图像处理等相关技术的发展,以非接触式检测方法为主旨的检测车已经投入生产及应用。但是在目前的检测系统中,普遍存在漏检率较高以及识别精度较低等问题。随着我国铁路的大规模建设,相应的海量高清接触网支持装置照片也要求检测系统拥有更高的识别精度和检测速度。因此,有必要针对接触网支持装置中的零部件特性进行研究,进而提出有效的缺陷自动检测方法。本文针对国内外接触网动态检测技术发展现状进行全面分析后,充分考虑接触网检测中的工程实际应用,提出了针对接触网旋转双耳零部件实现状态检测的有效方法。针对无法应用传统投影法检测状态的旋转双耳销钉,提出一种基于环形对称Gabor变换特征的销钉松脱与缺失状态检测...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
SelectiveSearch检测示意图
Selective Search 中，小区域合并成为外，在计算相似度的时候，也采用了多[15]。Ross B.Girshick 提出的基于深度ctive Search 思想找到可能包含物体的，以此作为检测算法。R-CNN 算法并身进行了一些改进，包括和物体标注的原始框。测算法时，通常会用到两个标准对一个框体内的物体类别；检测算法预测的框两个评价指标就是 mAP(mean Avon）,mAP 即平均精度均值，代表着对把所有类别的 AP 计算求平均值。IOU合度大小，计算方法如图 2-2 所示。
图 2-3 金字塔池化和 ROI 池化SPP 算法相比较于 R-CNN 虽然获得了速度方面的极大提升，但仍然存在NN 类似的缺点。最大的就是 SPP 也是分阶段训练的，物体框回归训练过经网络的训练过程是分开的，这也就导致了参数优化不是一个整体，因此了达到更高精度的可能性。R-CNN 的开创者在 SSP 的基础上提出了两个主要的改进：一方面是将 R之后，把物体框的分类和回归两个任务的 loss 融合到一起进行训练，相当多任务训练。这点改进使得整个训练的过程不是分开的多个步骤进行，训得到了提高；第二点改进是把 SPP 换成了 ROI Pooling，即 Fast R-CNN[1的框和预测框之间的 loss 时，采用了如下的计算方法：1{ , , , }( , ) ( )u uloc L i ii x y w hL t v smooth t v 20.5 1( )x xsmooth x
【参考文献】：
期刊论文
[1]一种基于改进LBP特征的人脸检测方法[J]. 陶西浩,万定生,杨志勇. 信息技术. 2018(02)
[2]基于局部特征描述的高速铁路接触网斜撑套筒定位与故障检测[J]. 陈隽文,刘志刚,韩烨,钟俊平. 铁道学报. 2017(11)
[3]基于神经网络复杂背景下车牌识别系统的研究[J]. 孙晶晶,静大海. 国外电子测量技术. 2017(08)
[4]高速铁路接触网承力索座识别与辅助承力索缺失故障检测方法研究[J]. 张桂南,刘志刚,韩烨,韩志伟. 铁道学报. 2017(05)
[5]基于深度学习的高铁接触网定位器检测与识别[J]. 陈东杰,张文生,杨阳. 中国科学技术大学学报. 2017(04)
[6]基于HOG特征与二维Gabor小波变换的高铁接触网支撑装置耳片断裂故障检测[J]. 韩烨,刘志刚,耿肖,钟俊平. 铁道学报. 2017(02)
[7]基于积分图快速图像处理方法研究[J]. 李巍巍. 自动化与仪器仪表. 2016(05)
[8]中国高速铁路牵引供电关键技术[J]. 钱清泉,高仕斌,何正友,陈奇志,吴积钦. 中国工程科学. 2015(04)
[9]基于环形对称Gabor变换和2DPCA的人脸识别算法[J]. 王娜,王汇源. 计算机工程与应用. 2015(16)
[10]基于HOG金字塔人脸识别方法[J]. 杨冰,王小华,杨鑫,黄孝喜. 浙江大学学报(工学版). 2014(09)
博士论文
[1]高速铁路接触网检测若干关键技术研究[D]. 陈唐龙.西南交通大学 2006
硕士论文
[1]基于Kinect传感器的坐姿识别软件设计及实现[D]. 李莎莎.电子科技大学 2018
[2]基于深度学习的高铁接触网悬挂目标检测图像处理研究[D]. 狄亚柳.西南交通大学 2018
[3]基于卷积神经网络与稀疏编码的接触网关键部件及异物检测的研究[D]. 王佳祺.西南交通大学 2018
[4]基于深度学习的单目视觉车辆检测与跟踪研究[D]. 叶运生.合肥工业大学 2018
[5]支持向量机算法研究及其在目标检测上的应用[D]. 孙舒琬.山东大学 2017
[6]基于图像处理的接触网绝缘子裂纹和定位支座检测[D]. 杨辉金.西南交通大学 2017
[7]基于OpenCV的接触网旋转双耳缺陷自动识别[D]. 徐丹.西南交通大学 2017
[8]基于OpenCV的接触网定位线夹状态智能检测[D]. 张春春.西南交通大学 2016
[9]基于环形对称Gabor变换的人脸识别算法研究[D]. 王娜.山东大学 2015
[10]移动查车系统关键技术研究[D]. 王祺.四川大学 2006
本文编号：3410722
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
SelectiveSearch检测示意图
Selective Search 中，小区域合并成为外，在计算相似度的时候，也采用了多[15]。Ross B.Girshick 提出的基于深度ctive Search 思想找到可能包含物体的，以此作为检测算法。R-CNN 算法并身进行了一些改进，包括和物体标注的原始框。测算法时，通常会用到两个标准对一个框体内的物体类别；检测算法预测的框两个评价指标就是 mAP(mean Avon）,mAP 即平均精度均值，代表着对把所有类别的 AP 计算求平均值。IOU合度大小，计算方法如图 2-2 所示。
图 2-3 金字塔池化和 ROI 池化SPP 算法相比较于 R-CNN 虽然获得了速度方面的极大提升，但仍然存在NN 类似的缺点。最大的就是 SPP 也是分阶段训练的，物体框回归训练过经网络的训练过程是分开的，这也就导致了参数优化不是一个整体，因此了达到更高精度的可能性。R-CNN 的开创者在 SSP 的基础上提出了两个主要的改进：一方面是将 R之后，把物体框的分类和回归两个任务的 loss 融合到一起进行训练，相当多任务训练。这点改进使得整个训练的过程不是分开的多个步骤进行，训得到了提高；第二点改进是把 SPP 换成了 ROI Pooling，即 Fast R-CNN[1的框和预测框之间的 loss 时，采用了如下的计算方法：1{ , , , }( , ) ( )u uloc L i ii x y w hL t v smooth t v 20.5 1( )x xsmooth x
【参考文献】：
期刊论文
[1]一种基于改进LBP特征的人脸检测方法[J]. 陶西浩,万定生,杨志勇. 信息技术. 2018(02)
[2]基于局部特征描述的高速铁路接触网斜撑套筒定位与故障检测[J]. 陈隽文,刘志刚,韩烨,钟俊平. 铁道学报. 2017(11)
[3]基于神经网络复杂背景下车牌识别系统的研究[J]. 孙晶晶,静大海. 国外电子测量技术. 2017(08)
[4]高速铁路接触网承力索座识别与辅助承力索缺失故障检测方法研究[J]. 张桂南,刘志刚,韩烨,韩志伟. 铁道学报. 2017(05)
[5]基于深度学习的高铁接触网定位器检测与识别[J]. 陈东杰,张文生,杨阳. 中国科学技术大学学报. 2017(04)
[6]基于HOG特征与二维Gabor小波变换的高铁接触网支撑装置耳片断裂故障检测[J]. 韩烨,刘志刚,耿肖,钟俊平. 铁道学报. 2017(02)
[7]基于积分图快速图像处理方法研究[J]. 李巍巍. 自动化与仪器仪表. 2016(05)
[8]中国高速铁路牵引供电关键技术[J]. 钱清泉,高仕斌,何正友,陈奇志,吴积钦. 中国工程科学. 2015(04)
[9]基于环形对称Gabor变换和2DPCA的人脸识别算法[J]. 王娜,王汇源. 计算机工程与应用. 2015(16)
[10]基于HOG金字塔人脸识别方法[J]. 杨冰,王小华,杨鑫,黄孝喜. 浙江大学学报(工学版). 2014(09)
博士论文
[1]高速铁路接触网检测若干关键技术研究[D]. 陈唐龙.西南交通大学 2006
硕士论文
[1]基于Kinect传感器的坐姿识别软件设计及实现[D]. 李莎莎.电子科技大学 2018
[2]基于深度学习的高铁接触网悬挂目标检测图像处理研究[D]. 狄亚柳.西南交通大学 2018
[3]基于卷积神经网络与稀疏编码的接触网关键部件及异物检测的研究[D]. 王佳祺.西南交通大学 2018
[4]基于深度学习的单目视觉车辆检测与跟踪研究[D]. 叶运生.合肥工业大学 2018
[5]支持向量机算法研究及其在目标检测上的应用[D]. 孙舒琬.山东大学 2017
[6]基于图像处理的接触网绝缘子裂纹和定位支座检测[D]. 杨辉金.西南交通大学 2017
[7]基于OpenCV的接触网旋转双耳缺陷自动识别[D]. 徐丹.西南交通大学 2017
[8]基于OpenCV的接触网定位线夹状态智能检测[D]. 张春春.西南交通大学 2016
[9]基于环形对称Gabor变换的人脸识别算法研究[D]. 王娜.山东大学 2015
[10]移动查车系统关键技术研究[D]. 王祺.四川大学 2006
本文编号：3410722
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3410722.html
