電氣化鐵路的接觸網(wǎng)運(yùn)行狀況與行車安全密切相關(guān),高速運(yùn)行的列車通過接觸網(wǎng)獲取電能,確保接觸網(wǎng)處于正常工作狀態(tài)對列車穩(wěn)定受電至關(guān)重要。列車長期在高速狀況下運(yùn)行,振動、沖擊以及外界惡劣環(huán)境對接觸網(wǎng)支持裝置的損耗不可避免,因此針對接觸網(wǎng)支持裝置中的零部件進(jìn)行故障識別和缺陷檢測非常重要。由于鐵路具有線路長、環(huán)境復(fù)雜等特點(diǎn),傳統(tǒng)的檢測車?yán)醒矙z以及人工定點(diǎn)檢測等相關(guān)方式已經(jīng)不能滿足檢測的實(shí)時性和可靠性等需求。隨著高清成像和圖像處理等相關(guān)技術(shù)的發(fā)展,以非接觸式檢測方法為主旨的檢測車已經(jīng)投入生產(chǎn)及應(yīng)用。但是在目前的檢測系統(tǒng)中,普遍存在漏檢率較高以及識別精度較低等問題。隨著我國鐵路的大規(guī)模建設(shè),相應(yīng)的海量高清接觸網(wǎng)支持裝置照片也要求檢測系統(tǒng)擁有更高的識別精度和檢測速度。因此,有必要針對接觸網(wǎng)支持裝置中的零部件特性進(jìn)行研究,進(jìn)而提出有效的缺陷自動檢測方法。本文針對國內(nèi)外接觸網(wǎng)動態(tài)檢測技術(shù)發(fā)展現(xiàn)狀進(jìn)行全面分析后,充分考慮接觸網(wǎng)檢測中的工程實(shí)際應(yīng)用,提出了針對接觸網(wǎng)旋轉(zhuǎn)雙耳零部件實(shí)現(xiàn)狀態(tài)檢測的有效方法。針對無法應(yīng)用傳統(tǒng)投影法檢測狀態(tài)的旋轉(zhuǎn)雙耳銷釘,提出一種基于環(huán)形對稱Gabor變換特征的銷釘松脫與缺失狀態(tài)檢測... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

SelectiveSearch檢測示意圖

Selective Search 中，小區(qū)域合并成為外，在計(jì)算相似度的時候，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體的，以此作為檢測算法。R-CNN 算法并身進(jìn)行了一些改進(jìn)，包括和物體標(biāo)注的原始框。測算法時，通常會用到兩個標(biāo)準(zhǔn)對一個框體內(nèi)的物體類別；檢測算法預(yù)測的框兩個評價指標(biāo)就是 mAP(mean Avon）,mAP 即平均精度均值，代表著對把所有類別的 AP 計(jì)算求平均值。IOU合度大小，計(jì)算方法如圖 2-2 所示。

圖 2-3 金字塔池化和 ROI 池化SPP 算法相比較于 R-CNN 雖然獲得了速度方面的極大提升，但仍然存在NN 類似的缺點(diǎn)。最大的就是 SPP 也是分階段訓(xùn)練的，物體框回歸訓(xùn)練過經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程是分開的，這也就導(dǎo)致了參數(shù)優(yōu)化不是一個整體，因此了達(dá)到更高精度的可能性。R-CNN 的開創(chuàng)者在 SSP 的基礎(chǔ)上提出了兩個主要的改進(jìn)：一方面是將 R之后，把物體框的分類和回歸兩個任務(wù)的 loss 融合到一起進(jìn)行訓(xùn)練，相當(dāng)多任務(wù)訓(xùn)練。這點(diǎn)改進(jìn)使得整個訓(xùn)練的過程不是分開的多個步驟進(jìn)行，訓(xùn)得到了提高；第二點(diǎn)改進(jìn)是把 SPP 換成了 ROI Pooling，即 Fast R-CNN[1的框和預(yù)測框之間的 loss 時，采用了如下的計(jì)算方法：1{ , , , }( , ) ( )u uloc L i ii x y w hL t v smooth t v 20.5 1( )x xsmooth x

【參考文獻(xiàn)】：
期刊論文
[1]一種基于改進(jìn)LBP特征的人臉檢測方法[J]. 陶西浩,萬定生,楊志勇.  信息技術(shù). 2018(02)
[2]基于局部特征描述的高速鐵路接觸網(wǎng)斜撐套筒定位與故障檢測[J]. 陳雋文,劉志剛,韓燁,鐘俊平.  鐵道學(xué)報(bào). 2017(11)
[3]基于神經(jīng)網(wǎng)絡(luò)復(fù)雜背景下車牌識別系統(tǒng)的研究[J]. 孫晶晶,靜大海.  國外電子測量技術(shù). 2017(08)
[4]高速鐵路接觸網(wǎng)承力索座識別與輔助承力索缺失故障檢測方法研究[J]. 張桂南,劉志剛,韓燁,韓志偉.  鐵道學(xué)報(bào). 2017(05)
[5]基于深度學(xué)習(xí)的高鐵接觸網(wǎng)定位器檢測與識別[J]. 陳東杰,張文生,楊陽.  中國科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2017(04)
[6]基于HOG特征與二維Gabor小波變換的高鐵接觸網(wǎng)支撐裝置耳片斷裂故障檢測[J]. 韓燁,劉志剛,耿肖,鐘俊平.  鐵道學(xué)報(bào). 2017(02)
[7]基于積分圖快速圖像處理方法研究[J]. 李巍巍.  自動化與儀器儀表. 2016(05)
[8]中國高速鐵路牽引供電關(guān)鍵技術(shù)[J]. 錢清泉,高仕斌,何正友,陳奇志,吳積欽.  中國工程科學(xué). 2015(04)
[9]基于環(huán)形對稱Gabor變換和2DPCA的人臉識別算法[J]. 王娜,王匯源.  計(jì)算機(jī)工程與應(yīng)用. 2015(16)
[10]基于HOG金字塔人臉識別方法[J]. 楊冰,王小華,楊鑫,黃孝喜.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2014(09)

博士論文
[1]高速鐵路接觸網(wǎng)檢測若干關(guān)鍵技術(shù)研究[D]. 陳唐龍.西南交通大學(xué) 2006

碩士論文
[1]基于Kinect傳感器的坐姿識別軟件設(shè)計(jì)及實(shí)現(xiàn)[D]. 李莎莎.電子科技大學(xué) 2018
[2]基于深度學(xué)習(xí)的高鐵接觸網(wǎng)懸掛目標(biāo)檢測圖像處理研究[D]. 狄亞柳.西南交通大學(xué) 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)與稀疏編碼的接觸網(wǎng)關(guān)鍵部件及異物檢測的研究[D]. 王佳祺.西南交通大學(xué) 2018
[4]基于深度學(xué)習(xí)的單目視覺車輛檢測與跟蹤研究[D]. 葉運(yùn)生.合肥工業(yè)大學(xué) 2018
[5]支持向量機(jī)算法研究及其在目標(biāo)檢測上的應(yīng)用[D]. 孫舒琬.山東大學(xué) 2017
[6]基于圖像處理的接觸網(wǎng)絕緣子裂紋和定位支座檢測[D]. 楊輝金.西南交通大學(xué) 2017
[7]基于OpenCV的接觸網(wǎng)旋轉(zhuǎn)雙耳缺陷自動識別[D]. 徐丹.西南交通大學(xué) 2017
[8]基于OpenCV的接觸網(wǎng)定位線夾狀態(tài)智能檢測[D]. 張春春.西南交通大學(xué) 2016
[9]基于環(huán)形對稱Gabor變換的人臉識別算法研究[D]. 王娜.山東大學(xué) 2015
[10]移動查車系統(tǒng)關(guān)鍵技術(shù)研究[D]. 王祺.四川大學(xué) 2006



本文編號：3410722