煤炭作為我國發(fā)展的重要資源,其運(yùn)輸方式主要還是鐵路運(yùn)輸,為了方便運(yùn)煤車廂的管理,每節(jié)運(yùn)煤敞車都有自己特定的編號。傳統(tǒng)的煤礦裝車站車號登記的方式是人工巡查并記錄,由于裝車站每天運(yùn)煤量比較大,人工巡查的方式不僅耗時長而且可能錯誤的登記車號。本文使用無人機(jī)采集裝車站的運(yùn)煤車廂圖像,利用數(shù)字圖像處理技術(shù)和輕量級卷積神經(jīng)網(wǎng)絡(luò),完成了以下工作:（1）運(yùn)煤敞車車廂編號區(qū)域的定位針對無人機(jī)獲取的圖像包含復(fù)雜背景,本文首先利用顏色信息從原圖中定位出車廂所在的位置,根據(jù)車號區(qū)域和車廂的相對位置信息將車號區(qū)域的圖像從車廂圖像中分離出來。提取車號圖像的最大值穩(wěn)定極值區(qū)域和邊緣,對邊緣圖像進(jìn)行增強(qiáng)后計(jì)算其筆畫圖像,利用編號字符筆畫寬度相似的特性將編號字符聚合為連通域,將非編號字符的連通域進(jìn)行剔除,使用啟發(fā)式規(guī)則使車號字符形成文本行,對文本行進(jìn)行篩選完成車號區(qū)域的定位。實(shí)驗(yàn)結(jié)果表明,該方法對無人機(jī)多角度獲取的圖像都可以較準(zhǔn)確的定位編號區(qū)域。（2）運(yùn)煤敞車車廂編號字符的分割與識別針對運(yùn)煤車廂上車號字符存在斷裂的問題,本文根據(jù)垂直投影的結(jié)果與實(shí)際車號位數(shù)進(jìn)行對比計(jì)算斷裂字符的數(shù)量,根據(jù)字符的寬度信息對投影結(jié)果進(jìn)行修復(fù)... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【部分圖文】：

鐵路運(yùn)煤量Figure1-1Theamountofrailwaycoaltransport圖中左邊的縱坐標(biāo)表示增長率，它指的是當(dāng)月的同比增長，右邊的縱坐標(biāo)表

工程碩士專業(yè)學(xué)位論文6條軌道，車站內(nèi)的從入口到儲煤倉的鐵路長度約為1000米，裝車站內(nèi)的列車有64節(jié)和32節(jié)兩種類型。圖1-2某裝車站航拍圖Figure1-2Aerialimageofaloadingstation在采集實(shí)驗(yàn)數(shù)據(jù)的每一個飛行架次中，每個航點(diǎn)的動作包含3個，控制云臺轉(zhuǎn)動到0、15、30度時各拍取一幅圖像，每個航點(diǎn)共計(jì)拍取3幅圖像，對于32節(jié)車廂的列車采集一次數(shù)據(jù)大約時常為3分鐘。本文中的部分實(shí)驗(yàn)數(shù)據(jù)如圖1-3所示。圖1-3實(shí)驗(yàn)數(shù)據(jù)Figure1-3Experimentaldata實(shí)驗(yàn)的硬件配置是INTEL酷睿I7-7500U處理器、16G內(nèi)存、SSD256G、顯卡為NVIDIATitanXP，實(shí)驗(yàn)系統(tǒng)為Window10。

工程碩士專業(yè)學(xué)位論文6條軌道，車站內(nèi)的從入口到儲煤倉的鐵路長度約為1000米，裝車站內(nèi)的列車有64節(jié)和32節(jié)兩種類型。圖1-2某裝車站航拍圖Figure1-2Aerialimageofaloadingstation在采集實(shí)驗(yàn)數(shù)據(jù)的每一個飛行架次中，每個航點(diǎn)的動作包含3個，控制云臺轉(zhuǎn)動到0、15、30度時各拍取一幅圖像，每個航點(diǎn)共計(jì)拍取3幅圖像，對于32節(jié)車廂的列車采集一次數(shù)據(jù)大約時常為3分鐘。本文中的部分實(shí)驗(yàn)數(shù)據(jù)如圖1-3所示。圖1-3實(shí)驗(yàn)數(shù)據(jù)Figure1-3Experimentaldata實(shí)驗(yàn)的硬件配置是INTEL酷睿I7-7500U處理器、16G內(nèi)存、SSD256G、顯卡為NVIDIATitanXP，實(shí)驗(yàn)系統(tǒng)為Window10。

【參考文獻(xiàn)】：
期刊論文
[1]大秦鐵路煤炭運(yùn)輸需求分析與預(yù)測[J]. 倪繼娜,張巍,張棟.  鐵道貨運(yùn). 2020(01)
[2]輸電線路智能無人機(jī)巡檢及應(yīng)用[J]. 盧銳.  低碳世界. 2019(12)
[3]基于多尺度形態(tài)小波變換的紅外圖像邊緣增強(qiáng)算法[J]. 馮小二,王新賽,李明明.  電子測試. 2019(19)
[4]一種基于無人機(jī)的違章違停自主巡檢系統(tǒng)[J]. 肖建,梁定康,徐威,郭宇鋒.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(12)
[5]基于圖像識別的蘋果等級分級研究[J]. 于蒙,李雄,楊海潮.  自動化與儀表. 2019(07)
[6]一種去除椒鹽噪聲的自適應(yīng)模糊中值濾波算法[J]. 萬豐豐,周國民,周曉.  浙江大學(xué)學(xué)報(bào)(理學(xué)版). 2019(04)
[7]卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化綜述[J]. 林景棟,吳欣怡,柴毅,尹宏鵬.  自動化學(xué)報(bào). 2020(01)
[8]用于圖像分類的卷積神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的設(shè)計(jì)[J]. 王紅霞,周家奇,辜承昊,林泓.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2019(07)
[9]神經(jīng)結(jié)構(gòu)搜索進(jìn)展概述[J]. 何明捷,張杰,山世光.  電信科學(xué). 2019(05)
[10]MSER快速自然場景傾斜文本定位算法[J]. 張開玉,邵康一,盧迪.  哈爾濱理工大學(xué)學(xué)報(bào). 2019(02)

碩士論文
[1]MobileNet壓縮模型的研究與優(yōu)化[D]. 陳方.華中師范大學(xué) 2018
[2]基于圖像處理的高速列車車號識別算法研究[D]. 楊吉.西南交通大學(xué) 2017



本文編號：3273732