本文關(guān)鍵詞：基于深度神經(jīng)網(wǎng)絡(luò)的鐵路異物檢測(cè)算法

  更多相關(guān)文章： 深度神經(jīng)網(wǎng)絡(luò) 異物檢測(cè) 受限玻爾茲曼機(jī) 貪婪算法

【摘要】：對(duì)入侵到鐵路限界內(nèi)的異物進(jìn)行準(zhǔn)確地檢測(cè),一直以來(lái)都是軌道交通領(lǐng)域的一個(gè)重要課題,在實(shí)踐和科研領(lǐng)域都具有持久的研究熱度。尤其是隨著高速鐵路技術(shù)的不斷深入,我國(guó)高速鐵路建設(shè)的不斷發(fā)展,設(shè)計(jì)一種識(shí)別性能優(yōu)異、可靠性高、能夠應(yīng)用于實(shí)際鐵路運(yùn)營(yíng)的檢測(cè)算法,更是具有重要意義。目前而言,傳統(tǒng)基于視頻技術(shù)的異物檢測(cè)算法依賴于背景幀差方式,易受場(chǎng)景和光線變化的干擾,錯(cuò)檢率較高,無(wú)法滿足鐵路現(xiàn)場(chǎng)長(zhǎng)期在線檢測(cè)的需求。而深度神經(jīng)網(wǎng)絡(luò)作為一種近年來(lái)新興的機(jī)器學(xué)習(xí)算法,具有較傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)、更優(yōu)秀的特征提取方式和網(wǎng)絡(luò)訓(xùn)練方式,在圖像領(lǐng)域表現(xiàn)出了強(qiáng)大的處理能力。本文以鐵路線路是否被列車(chē)占用為研究任務(wù),設(shè)計(jì)了基于深度神經(jīng)網(wǎng)絡(luò)的檢測(cè)算法,并以實(shí)際鐵路場(chǎng)景圖像作為網(wǎng)絡(luò)樣本,研究了深度神經(jīng)網(wǎng)絡(luò)算法的優(yōu)化方式以及算法的泛化性能。首先,在鐵路現(xiàn)場(chǎng)采集的視頻的基礎(chǔ)上,用傳統(tǒng)檢測(cè)方式設(shè)計(jì)了自動(dòng)分類(lèi)算法,結(jié)合人工校核構(gòu)建出了數(shù)量豐富且準(zhǔn)確分類(lèi)的圖像數(shù)據(jù)庫(kù)；隨后,設(shè)計(jì)五層的深度信念網(wǎng)絡(luò),實(shí)現(xiàn)了算法對(duì)于圖像的識(shí)別功能,并通過(guò)單相機(jī)的圖像研究了算法對(duì)于鐵路場(chǎng)景圖像的結(jié)構(gòu)及參數(shù)優(yōu)化方法,較好地實(shí)現(xiàn)了預(yù)期的識(shí)別任務(wù)；最后,使用不同相機(jī)的圖像,研究測(cè)試了算法的泛化性能,通過(guò)調(diào)整訓(xùn)練樣本及網(wǎng)絡(luò)結(jié)構(gòu)的方式,驗(yàn)證了算法具有較好的泛化性能。本文通過(guò)使用深度神經(jīng)網(wǎng)絡(luò)的方式,改變了原先固有的異物檢測(cè)模式,代之以場(chǎng)景圖像直接分類(lèi)判斷,規(guī)避了檢測(cè)提取方法的種種誤差和不足,在對(duì)實(shí)際場(chǎng)景視頻的測(cè)試中取得了良好的效果,表明算法具有較好的識(shí)別能力和實(shí)用意義。
【關(guān)鍵詞】：深度神經(jīng)網(wǎng)絡(luò) 異物檢測(cè) 受限玻爾茲曼機(jī) 貪婪算法
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：U298;TP183
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-10
• 1 緒論10-22
• 1.1 研究背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-19
• 1.2.1 鐵路異物檢測(cè)研究現(xiàn)狀12-15
• 1.2.2 深度神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀15-19
• 1.2.3 研究現(xiàn)狀分析19
• 1.3 本文研究?jī)?nèi)容及章節(jié)安排19-22
• 1.3.1 本文的研究?jī)?nèi)容19-20
• 1.3.2 本文的章節(jié)安排20-22
• 2 算法結(jié)構(gòu)設(shè)計(jì)22-26
• 2.1 設(shè)計(jì)方案概述22-23
• 2.2 數(shù)據(jù)庫(kù)及算法設(shè)計(jì)23-25
• 2.2.1 數(shù)據(jù)庫(kù)23-24
• 2.2.2 算法設(shè)計(jì)24-25
• 2.3 本章小結(jié)25-26
• 3 基于DBN的檢測(cè)算法設(shè)計(jì)26-62
• 3.1 檢測(cè)算法概述26-27
• 3.2 訓(xùn)練樣本及其預(yù)處理27-32
• 3.2.1 建立訓(xùn)練樣本集27-29
• 3.2.2 樣本圖像預(yù)處理29-32
• 3.3 檢測(cè)算法設(shè)計(jì)32-51
• 3.3.1 深度神經(jīng)網(wǎng)絡(luò)32-36
• 3.3.2 網(wǎng)絡(luò)預(yù)訓(xùn)練36-49
• 3.3.3 參數(shù)微調(diào)49-51
• 3.4 算法實(shí)驗(yàn)及其結(jié)果分析51-60
• 3.4.1 全場(chǎng)景實(shí)驗(yàn)52-56
• 3.4.2 區(qū)域場(chǎng)景實(shí)驗(yàn)56-58
• 3.4.3 誤判率和漏判率58-60
• 3.5 本章小結(jié)60-62
• 4 算法泛化性能研究62-70
• 4.1 不同場(chǎng)景獨(dú)立實(shí)驗(yàn)62-66
• 4.1.1 數(shù)據(jù)預(yù)處理62-63
• 4.1.2 算法實(shí)驗(yàn)63-66
• 4.2 混合場(chǎng)景實(shí)驗(yàn)66-68
• 4.3 本章小結(jié)68-70
• 5 結(jié)論70-72
• 5.1 工作總結(jié)70-71
• 5.2 研究展望71-72
• 參考文獻(xiàn)72-76
• 作者簡(jiǎn)歷76-80
• 學(xué)位論文數(shù)據(jù)集80

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 孫旭東;韓東海;;食品安全與異物檢測(cè)技術(shù)開(kāi)始流行[J];中外食品;2006年01期

2 ;交流食品生產(chǎn)中排除異物的解決方案 海富成功舉辦異物檢測(cè)研討會(huì)[J];飲料工業(yè);2009年03期

3 馮瓊丹;;食品異物檢測(cè)技術(shù)研究現(xiàn)狀[J];江蘇調(diào)味副食品;2009年03期

4 ;食品原材料的異物檢測(cè)方案[J];食品安全導(dǎo)刊;2011年04期

5 杜楓;;淺談大米X光異物檢測(cè)[J];農(nóng)業(yè)機(jī)械;2013年26期

6 唐向陽(yáng),張勇,關(guān)宏,黃崗;煙草異物剔除系統(tǒng)的原理與結(jié)構(gòu)[J];機(jī)械;2003年03期

7 馬永嬌;;X射線異物檢測(cè)時(shí)代悄然來(lái)臨[J];食品安全導(dǎo)刊;2008年04期

8 申海鵬;;高晶GJ-XF X射線食品異物檢測(cè)機(jī)[J];食品安全導(dǎo)刊;2012年04期

9 繆惟民;;交流食品生產(chǎn)中排除異物的解決方案海富成功舉辦異物檢測(cè)研討會(huì)[J];包裝與食品機(jī)械;2009年02期

10 ;IP69-K級(jí)保護(hù)結(jié)構(gòu):為X射線異物檢測(cè)系統(tǒng)和檢重秤保駕護(hù)航[J];食品安全導(dǎo)刊;2011年04期

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前4條

1 王彤;確保食品衛(wèi)生“異物檢測(cè)”勢(shì)在必行[N];中國(guó)食品質(zhì)量報(bào);2004年

2 記者 繆惟民;食品生產(chǎn)中排除異物的解決方案[N];中國(guó)包裝報(bào);2009年

3 記者 張麗麗;X射線異物檢測(cè)機(jī) 食品異物“照妖鏡”[N];中國(guó)食品報(bào);2011年

4 劉吉成 特約記者 顧瀚文;先進(jìn)技術(shù)為戰(zhàn)鷹護(hù)航[N];解放軍報(bào);2012年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 楊福剛;輸液中微小異物目標(biāo)視覺(jué)檢測(cè)技術(shù)研究[D];山東大學(xué);2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王丹丹;面向液劑異物檢測(cè)的智能相機(jī)的研究與實(shí)現(xiàn)[D];西安建筑科技大學(xué);2015年

2 魏健雄;導(dǎo)電性包裝材料內(nèi)的金屬異物檢測(cè)研究[D];大連理工大學(xué);2015年

3 鄒單紅;基于差分圖像的機(jī)場(chǎng)跑道異物檢測(cè)算法的應(yīng)用研究[D];電子科技大學(xué);2014年

4 劉文祺;基于深度神經(jīng)網(wǎng)絡(luò)的鐵路異物檢測(cè)算法[D];北京交通大學(xué);2016年

5 黃超靈;基于圖像處理的瓶裝液體異物檢測(cè)研究[D];廣東工業(yè)大學(xué);2008年

6 尹華;制筆生產(chǎn)中復(fù)雜模具異物檢測(cè)算法研究[D];浙江理工大學(xué);2012年

7 王永亮;面向高速鐵路的軌道異物檢測(cè)研究[D];北京交通大學(xué);2011年

8 張敏;基于移動(dòng)機(jī)器人視覺(jué)的道路異物檢測(cè)方法研究[D];沈陽(yáng)理工大學(xué);2012年

9 邱瑋;安瓿藥液可見(jiàn)異物檢測(cè)算法研究[D];廣東工業(yè)大學(xué);2015年

10 王美珍;基于圖像處理的大輸液中可見(jiàn)異物檢測(cè)方法研究[D];湖南師范大學(xué);2012年

，

本文編號(hào)：624424