輪對(duì)作為鐵路軌道的關(guān)鍵組成部分,其運(yùn)行狀態(tài)直接關(guān)系到火車運(yùn)行安全,鐵路部門對(duì)于輪對(duì)都有著嚴(yán)格的檢修標(biāo)準(zhǔn)。我國(guó)目前對(duì)于輪對(duì)踏面的檢測(cè)仍以人工檢測(cè)為主,工作量大且檢測(cè)效率較低。為了適應(yīng)鐵路的智能化發(fā)展,需要對(duì)輪對(duì)踏面分割進(jìn)行進(jìn)一步研究。得益于硬件的飛速發(fā)展,計(jì)算能力的提升以及深度學(xué)習(xí)算法的不斷發(fā)展,使得基于深度學(xué)習(xí)算法的圖像分割在性能與效果上較于傳統(tǒng)算法有了質(zhì)的飛躍。本文設(shè)計(jì)了基于深度學(xué)習(xí)的火車輪對(duì)踏面圖像分割算法。本文首先介紹了國(guó)內(nèi)外對(duì)于輪對(duì)踏面檢測(cè)方法的研究,并闡述了深度學(xué)習(xí)的發(fā)展以及優(yōu)勢(shì),對(duì)輪軌相關(guān)基礎(chǔ)理論、圖像處理相關(guān)基礎(chǔ)理論以及深度學(xué)習(xí)相關(guān)基礎(chǔ)理論進(jìn)行了分析,為后續(xù)章節(jié)研究工作的展開(kāi)打下了基礎(chǔ)。之后,為了突出圖像中的目標(biāo)區(qū)域使用MSRCR算法對(duì)采集到的原始圖像進(jìn)行圖像增強(qiáng),并使得待檢測(cè)區(qū)域輪廓更明顯,然后使用Canny邊緣檢測(cè)提取出邊緣信息,提出了一種采用弧選擇和梯度信息重復(fù)利用的改進(jìn)橢圓檢測(cè)算法用于將輪對(duì)區(qū)域進(jìn)行前期分割處理,使得踏面區(qū)域占據(jù)圖像的主要部分,然后搭建了一個(gè)基于Qt的輪對(duì)踏面區(qū)域的標(biāo)注程序?qū)Ψ指詈蟮膱D像進(jìn)行標(biāo)注,為后續(xù)的輪對(duì)踏面圖像分割做準(zhǔn)備。針對(duì)輪對(duì)踏面圖像的分割,對(duì)U-Net算法進(jìn)行了改進(jìn)。在進(jìn)行輪對(duì)踏面分割時(shí)針對(duì)數(shù)據(jù)量不足的問(wèn)題采用了數(shù)據(jù)增廣擴(kuò)大數(shù)據(jù)量,使用公開(kāi)數(shù)據(jù)集對(duì)模型進(jìn)行預(yù)訓(xùn)練并使用遷移學(xué)習(xí)、在反卷積層中引入L2正則化等方法來(lái)防止模型的過(guò)擬合。引入CRF來(lái)提高踏面分割的精度以及更加準(zhǔn)確的特征定位。最后通過(guò)與傳統(tǒng)的分水嶺算法進(jìn)行對(duì)比分析,在踏面分割數(shù)據(jù)集進(jìn)行了分割的實(shí)驗(yàn)驗(yàn)證,基于深度學(xué)習(xí)的分割算法在精確率方面可以達(dá)到93.49%。實(shí)驗(yàn)的結(jié)果證明了算法對(duì)于輪對(duì)踏面具有良好的分割效果。
【學(xué)位單位】：石家莊鐵道大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP18;U279.32;TP391.41
【部分圖文】：

1-1 日本基于圖像技術(shù)的踏面檢測(cè)系統(tǒng)示意圖EC 公司研發(fā)的 W-INSPECT 可以用于火車運(yùn)高分辨率相機(jī)和配套的光照系統(tǒng)來(lái)檢測(cè)通過(guò)整個(gè)踏面的完整圖像，以檢測(cè)輪對(duì)踏面的擦 1-2 為該公司的產(chǎn)品示意圖。圖 1-2 美國(guó) W-INSPECT 示意圖cheidt-MFD 公司的 Argus_II 系統(tǒng)利用超聲波

圖 1-1 日本基于圖像技術(shù)的踏面檢測(cè)系統(tǒng)示意圖美國(guó)的 MERMEC 公司研發(fā)的 W-INSPECT 可以用于火車運(yùn)行速度 30 Km景，該系統(tǒng)利用高分辨率相機(jī)和配套的光照系統(tǒng)來(lái)檢測(cè)通過(guò)的列車車輪�？梢垣@得車輪整個(gè)踏面的完整圖像，以檢測(cè)輪對(duì)踏面的擦傷和輪對(duì)踏面等故障[13]。圖 1-2 為該公司的產(chǎn)品示意圖。

圖 1-3 ARGUS-II 單個(gè)傳感器示意圖國(guó)內(nèi)對(duì)于火車輪對(duì)踏面檢測(cè)技術(shù)起步相對(duì)較晚，檢測(cè)方法、檢測(cè)設(shè)備以及論研究相對(duì)比較落后，但是近幾年來(lái)隨著高速鐵路的發(fā)展使得相關(guān)理論到了很大的發(fā)展。如南京理工大學(xué)的朱躍通過(guò)建立擦傷型踏面故障的理，通過(guò)對(duì)振動(dòng)信號(hào)進(jìn)行傅里葉變換、小波分析等方式提高檢測(cè)精度[15]；北大學(xué)的王樂(lè)通過(guò)MATLAB對(duì)激光三角法提出從鏡頭成像開(kāi)始的全光路仿16]；華東交通大學(xué)的昌超通過(guò)建立列車-軌道-橋梁剛?cè)狁詈险駝?dòng)力學(xué)仿真析輪對(duì)踏面磨耗后對(duì)鋼軌以及橋梁的影響[17]；西南交通大學(xué)的何春燕通車輪不圓度對(duì)齒輪傳動(dòng)系統(tǒng)的動(dòng)力學(xué)影響，揭示了輪對(duì)不圓階數(shù)與波深影響規(guī)律[18]；西南交通大學(xué)的楊凱利用激光-位置敏感傳感器并建立了車耦合的動(dòng)力學(xué)方程，搭建了高速運(yùn)行條件下的輪軌作用關(guān)系模型，為高運(yùn)行時(shí)檢測(cè)車輪缺陷提供了借鑒方法[19]。在已有的檢測(cè)方法中，基于超聲波檢測(cè)與基于圖像檢測(cè)因非接觸的特性，常廣泛的研究空間以及研究?jī)r(jià)值，但是基于超聲波的檢測(cè)方法對(duì)于設(shè)備
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃玲;石玉秋;覃永新;;基于小波融合的蘋果圖像分割的研究[J];科技視界;2018年29期

2 侯紅英;高甜;李桃;;圖像分割方法綜述[J];電腦知識(shí)與技術(shù);2019年05期

3 姚霆;張煒;劉金根;;基于深度學(xué)習(xí)的圖像分割技術(shù)[J];人工智能;2019年02期

4 丁翠;;基于模糊信息處理的圖像分割方法研究[J];信息系統(tǒng)工程;2017年11期

5 王平;魏征;崔衛(wèi)紅;林志勇;;一種基于統(tǒng)計(jì)學(xué)習(xí)理論的最小生成樹(shù)圖像分割準(zhǔn)則[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2017年07期

6 李然;李記鵬;宋超;;基于顯著性檢測(cè)的協(xié)同圖像分割研究[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2017年24期

7 鄧惠俊;;一種基于數(shù)據(jù)場(chǎng)的圖像分割方法與研究[J];長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2016年02期

8 李繼云;冀卿偉;;基于自適應(yīng)局部閾值的交互式圖像分割[J];計(jì)算機(jī)應(yīng)用與軟件;2014年11期

9 劉印;;對(duì)圖像分割方法的認(rèn)識(shí)及新進(jìn)展研究[J];數(shù)碼世界;2018年08期

10 楊成佳;;唇紋識(shí)別圖像分割系統(tǒng)的研究[J];山西青年;2017年11期

相關(guān)博士學(xué)位論文 前10條

1 王晨;視覺(jué)顯著性檢測(cè)方法研究及其應(yīng)用[D];西北工業(yè)大學(xué);2018年

2 古晶;基于稀疏特征學(xué)習(xí)的SAR圖像分割與半監(jiān)督分類方法研究[D];西安電子科技大學(xué);2016年

3 段一平;基于層次視覺(jué)計(jì)算和統(tǒng)計(jì)模型的SAR圖像分割與理解[D];西安電子科技大學(xué);2017年

4 胡佩君;腹部CT圖像分割的可計(jì)算建模方法研究[D];浙江大學(xué);2018年

5 姜楓;基于語(yǔ)義識(shí)別的砂巖薄片圖像分割方法研究[D];南京大學(xué);2018年

6 趙曉麗;面向圖像分割的智能算法研究[D];上海大學(xué);2018年

7 倪波;高強(qiáng)度聚焦超聲圖像分割方法研究[D];武漢大學(xué);2016年

8 彭自立;用于交互式圖像分割的自適應(yīng)表觀分離[D];湖南師范大學(xué);2018年

9 瞿紹軍;基于最優(yōu)化理論的圖像分割方法研究[D];湖南師范大學(xué);2018年

10 王森;非受限場(chǎng)景裂紋圖像分割方法研究[D];昆明理工大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 朱荽;基于密度峰值聚類的圖像分割方法研究[D];重慶郵電大學(xué);2019年

2 潘暉;基于圖像分割中輪廓提取的目標(biāo)檢測(cè)方法[D];湘潭大學(xué);2019年

3 趙俊麗;量子螢火蟲(chóng)算法改進(jìn)及其在圖像閾值分割中的應(yīng)用[D];寧夏大學(xué);2019年

4 程偉;智能優(yōu)化算法的改進(jìn)及其在圖像分割中的應(yīng)用研究[D];南昌大學(xué);2019年

5 奚文娟;基于圖像分割的細(xì)胞檢測(cè)與跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2019年

6 劉雪鳴;基于攝像法的街道環(huán)境主觀恢復(fù)性效益影響因素研究[D];哈爾濱工業(yè)大學(xué);2019年

7 劉廣澤;基于紋理位置約束的超聲圖像分割方法研究[D];哈爾濱工業(yè)大學(xué);2019年

8 張雪茹;數(shù)學(xué)圖像分割在生物醫(yī)學(xué)視頻上的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2019年

9 張凱文;基于U-Net的肝臟CT圖像分割研究[D];華南理工大學(xué);2019年

10 楊金玉;膜聚類算法及其在圖像分割中的應(yīng)用[D];西華大學(xué);2019年

本文編號(hào)：2847026