隨著中國(guó)鐵路技術(shù)的不斷進(jìn)步,高速列車(chē)已成為人們出行的首選。截止2019年第一季度末,我國(guó)高鐵累計(jì)運(yùn)輸旅客已經(jīng)突破100億人次。為了保障高速列車(chē)高效安全的運(yùn)行,每輛列車(chē)都需要在夜間花費(fèi)長(zhǎng)達(dá)100分鐘進(jìn)行全面檢修。無(wú)法快速增長(zhǎng)的檢修能力與日益增加的列車(chē)保有量之間的矛盾日益突出,這使得“人檢”向“機(jī)檢”的轉(zhuǎn)變迫在眉睫。當(dāng)前高速列車(chē)檢測(cè)采用TEDS系統(tǒng),但存在較高的誤報(bào)率和漏報(bào)率,所以仍然需要投入大量的人力去檢測(cè)。自從2012年始,深度學(xué)習(xí)在圖像識(shí)別領(lǐng)域不斷取得突破并在Image Net大賽上表現(xiàn)不俗。相比較傳統(tǒng)SVM等圖像識(shí)別技術(shù),深度神經(jīng)網(wǎng)絡(luò)不再需要CV工程師手動(dòng)設(shè)計(jì)特定的圖像特征,而是依靠卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練大量的圖片來(lái)提取深層次的圖像特征,因此無(wú)論是識(shí)別精度還是運(yùn)算速度都超越了傳統(tǒng)的圖像處理。本文提出的基于深度學(xué)習(xí)的檢測(cè)方法,能夠?qū)崿F(xiàn)高速列車(chē)底部螺栓的精準(zhǔn)定位,并且識(shí)別其狀態(tài)正常與否,這對(duì)于提高列車(chē)的檢修效率具有重要實(shí)踐意義。本文將列車(chē)螺栓缺陷檢測(cè)分為兩個(gè)階段,第一階段完成對(duì)底板螺栓的定位任務(wù),第二階段完成定位螺栓的缺陷檢測(cè)任務(wù),判斷其工作狀態(tài)是正常還是丟失,主要工作如下:一是在螺栓的定位... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Sigmoid函數(shù)圖像

南京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文第二章深度學(xué)習(xí)相關(guān)理論10圖2.4tanh函數(shù)圖像ReLU(RectifiedLinearUnit)函數(shù)又被稱(chēng)為修正線(xiàn)性單元[32]，它的數(shù)學(xué)表達(dá)式見(jiàn)式2.16。ReLU是目前深度學(xué)習(xí)最流行的激活函數(shù)之一，適用于深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，因?yàn)樗梢杂行П苊庖蚓W(wǎng)絡(luò)層過(guò)深帶來(lái)的梯度消失或者梯度爆炸的問(wèn)題。000xifxyifx=(2.16)求導(dǎo)過(guò)程:10"00ifxyifx=(2.17)圖2.5ReLU函數(shù)圖像綜上分析，不難得出如果搭建的網(wǎng)絡(luò)層數(shù)不深時(shí)，可以考慮用sigmoid，tanh，ReLU作為激活函數(shù)，但當(dāng)網(wǎng)絡(luò)較深時(shí)，由于sigmoid，tanh的導(dǎo)數(shù)皆小于1，依據(jù)多元復(fù)合函數(shù)鏈?zhǔn)角髮?dǎo)法則可知，隨著層數(shù)增加，偏導(dǎo)數(shù)將會(huì)呈現(xiàn)指數(shù)下降，出現(xiàn)梯度消失的現(xiàn)象，導(dǎo)致?lián)p失函數(shù)無(wú)法收斂。而對(duì)于ReLU而言，當(dāng)x大于0時(shí)，導(dǎo)數(shù)恒為1，x小于等于0時(shí)，導(dǎo)數(shù)恒為

南京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文第二章深度學(xué)習(xí)相關(guān)理論10圖2.4tanh函數(shù)圖像ReLU(RectifiedLinearUnit)函數(shù)又被稱(chēng)為修正線(xiàn)性單元[32]，它的數(shù)學(xué)表達(dá)式見(jiàn)式2.16。ReLU是目前深度學(xué)習(xí)最流行的激活函數(shù)之一，適用于深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，因?yàn)樗梢杂行П苊庖蚓W(wǎng)絡(luò)層過(guò)深帶來(lái)的梯度消失或者梯度爆炸的問(wèn)題。000xifxyifx=(2.16)求導(dǎo)過(guò)程:10"00ifxyifx=(2.17)圖2.5ReLU函數(shù)圖像綜上分析，不難得出如果搭建的網(wǎng)絡(luò)層數(shù)不深時(shí)，可以考慮用sigmoid，tanh，ReLU作為激活函數(shù)，但當(dāng)網(wǎng)絡(luò)較深時(shí)，由于sigmoid，tanh的導(dǎo)數(shù)皆小于1，依據(jù)多元復(fù)合函數(shù)鏈?zhǔn)角髮?dǎo)法則可知，隨著層數(shù)增加，偏導(dǎo)數(shù)將會(huì)呈現(xiàn)指數(shù)下降，出現(xiàn)梯度消失的現(xiàn)象，導(dǎo)致?lián)p失函數(shù)無(wú)法收斂。而對(duì)于ReLU而言，當(dāng)x大于0時(shí)，導(dǎo)數(shù)恒為1，x小于等于0時(shí)，導(dǎo)數(shù)恒為

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)YOLO v3的目標(biāo)檢測(cè)算法[J]. 趙瓊,李寶清,李唐薇.  激光與光電子學(xué)進(jìn)展. 2020(12)
[2]深度神經(jīng)網(wǎng)絡(luò)模型壓縮綜述[J]. 李江昀,趙義凱,薛卓爾,蔡錚,李擎.  工程科學(xué)學(xué)報(bào). 2019(10)
[3]YOLO圖像檢測(cè)技術(shù)綜述[J]. 林健巍.  福建電腦. 2019(09)
[4]深度神經(jīng)網(wǎng)絡(luò)壓縮綜述[J]. 李青華,李翠平,張靜,陳紅,王紹卿.  計(jì)算機(jī)科學(xué). 2019(09)
[5]基于深度學(xué)習(xí)的鐵路關(guān)鍵部件缺陷檢測(cè)研究[J]. 趙冰,代明睿,李平,馬小寧,吳艷華.  鐵道學(xué)報(bào). 2019(08)
[6]TEDS系統(tǒng)常見(jiàn)故障分析與解決方案[J]. 孫紹紅.  中國(guó)設(shè)備工程. 2019(15)
[7]基于K-means聚類(lèi)的磁瓦缺陷圖像分割方法[J]. 馬旭東,袁銳波,李洪鋒.  軟件導(dǎo)刊. 2019(12)
[8]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(dòng)化學(xué)報(bào). 2020(01)
[9]SSD（Single Shot MultiBox Detector）目標(biāo)檢測(cè)算法的研究與改進(jìn)[J]. 汪宋,費(fèi)樹(shù)岷.  工業(yè)控制計(jì)算機(jī). 2019(04)
[10]基于深度學(xué)習(xí)的目標(biāo)部件故障識(shí)別技術(shù)及應(yīng)用[J]. 宋丫,李慶楠,劉宵辰.  信息通信. 2019(02)

博士論文
[1]遺傳算法搜索能力和編碼方式研究[D]. 莫鴻強(qiáng).華南理工大學(xué) 2001

碩士論文
[1]飛機(jī)蒙皮圖像的深度特征學(xué)習(xí)與損傷監(jiān)測(cè)[D]. 李慧.北京郵電大學(xué) 2019
[2]基于改進(jìn)SURF算法的圖像匹配[D]. 敖天慈.大連理工大學(xué) 2019
[3]基于改進(jìn)的SIFT特征的圖像匹配算法研究[D]. 章雷.安徽理工大學(xué) 2019
[4]基于深度學(xué)習(xí)的動(dòng)車(chē)關(guān)鍵部位故障圖像檢測(cè)[D]. 張江勇.電子科技大學(xué) 2019
[5]基于圖像處理的動(dòng)車(chē)軸端螺栓檢測(cè)方法的研究[D]. 葉宏鵬.北京交通大學(xué) 2018
[6]高鐵接觸網(wǎng)支持裝置緊固件不良狀態(tài)檢測(cè)方法研究[D]. 陳雋文.西南交通大學(xué) 2018
[7]基于深度學(xué)習(xí)的高鐵接觸網(wǎng)懸掛目標(biāo)檢測(cè)圖像處理研究[D]. 狄亞柳.西南交通大學(xué) 2018



本文編號(hào)：3248783