本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的鐵軌扣件異常狀態(tài)檢測(cè)研究

  更多相關(guān)文章： 鐵軌扣件 扣件檢測(cè) 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：在鐵路發(fā)展和運(yùn)營(yíng)過(guò)程中,鐵路基礎(chǔ)設(shè)施的安全檢測(cè)一直是鐵路安全的重點(diǎn)之一,其中扣件異常狀態(tài)檢測(cè)是非常重要的環(huán)節(jié)。近年來(lái),隨著計(jì)算機(jī)技術(shù)及圖像處理技術(shù)飛速發(fā)展,基于計(jì)算機(jī)視覺(jué)的扣件缺失自動(dòng)檢測(cè)系統(tǒng)已經(jīng)成為維護(hù)鐵路線路環(huán)境安全的重要措施,是視覺(jué)檢測(cè)領(lǐng)域的研究熱點(diǎn)之一。課題組在前期工作中,提出了基于在線學(xué)習(xí)的扣件檢測(cè)方法。該方法通過(guò)在線學(xué)習(xí)策略,動(dòng)態(tài)生成模板庫(kù),因此不需要訓(xùn)練,可以方便地推廣到不同的線路,目前已經(jīng)在鐵道科學(xué)研究院研制的軌檢車上實(shí)施部署,在多個(gè)鐵路局穩(wěn)定運(yùn)行,積累了大量的數(shù)據(jù),取得了很好的檢測(cè)效果。但是該方法也存在著一些不足：首先,該方法需要定期維護(hù)靜態(tài)扣件模板庫(kù),其次,由于沒(méi)有訓(xùn)練過(guò)程,因此相對(duì)而言,錯(cuò)檢率較高。為了進(jìn)一步提高檢測(cè)效率,同時(shí)充分利用前期采集分析得到的大量數(shù)據(jù),本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的鐵軌扣件異常狀態(tài)檢測(cè)方法。與前期手工HOG不同,深度學(xué)習(xí)是一種基于學(xué)習(xí)的特征提取方法,通過(guò)前期積累的大量數(shù)據(jù)進(jìn)行訓(xùn)練,可以有效地提高檢測(cè)精度。并對(duì)于一些特殊的扣件異常狀態(tài),如：扣件微小的變化、扣件的松動(dòng)和彈條斷裂等情況,也可以通過(guò)重新學(xué)習(xí)和訓(xùn)練完成對(duì)不同線路鐵軌扣件的檢測(cè)。本文的主要工作有：1、訓(xùn)練數(shù)據(jù)集的收集和整理：通過(guò)課題組已有基于在線學(xué)習(xí)的自適應(yīng)扣件檢測(cè)方法,收集整理了大量的扣件數(shù)據(jù),完成了采集鐵軌扣件數(shù)據(jù)集的工作,將采集到的扣件數(shù)據(jù)集分為兩類,一類是正�？奂�,另一類是異�？奂�。采集了三條線路鐵軌扣件數(shù)據(jù),分別是集通線、滬寧線和滬杭高鐵線。集通線共47281張扣件圖像,其中正�？奂�24670張,異�？奂�22611張。滬寧線共27869張扣件圖像,其中正�？奂�13946張,異�？奂�13923張。滬杭高鐵線共35428張扣件圖像,其中正�？奂�18456張,異�？奂�16972張。2、從圖像分類(Classification)角度看,扣件異常狀態(tài)的檢測(cè)就是扣件狀態(tài)正常和異常的二分類問(wèn)題。為此，我們提出了一種基于AlexNet網(wǎng)絡(luò)模型的扣件檢測(cè)方法,該方法是一種基于特征學(xué)習(xí)的方法,通過(guò)由低層特征逐級(jí)抽取,能夠得到更加抽象的高層類別特征,克服了手工設(shè)計(jì)的HOG特征和已有扣件模板庫(kù)對(duì)復(fù)雜扣件變化適應(yīng)能力較弱的問(wèn)題,在集通線路上對(duì)于由光照和污污漬引起的變化取得很好的實(shí)驗(yàn)結(jié)果。3、從圖像驗(yàn)證(Verification)角度看,扣件異常狀態(tài)檢測(cè)問(wèn)題可以看做是待檢測(cè)扣件與已知正常狀態(tài)扣件的驗(yàn)證問(wèn)題,相同則是正常,不同則發(fā)生了異常。為此,我們提出了一種基于Siamese模型的扣件狀態(tài)檢測(cè)方法,該方法的輸入為一對(duì)圖像,均為正常狀態(tài)或均為異常狀態(tài)的圖像對(duì)為相似(Similar)圖像,分別為正常狀態(tài)和異常狀態(tài)的圖像對(duì)為不相似(Dissimilar)圖像。通過(guò)構(gòu)建相似對(duì)和不相似對(duì)的訓(xùn)練集,可以通過(guò)訓(xùn)練學(xué)習(xí)得到更具有判別力的扣件特征。該方法在滬寧線和滬杭高鐵線的數(shù)據(jù)集上進(jìn)行了驗(yàn)證,結(jié)果優(yōu)于基于AlexNet的扣件檢測(cè)方法。
【關(guān)鍵詞】：鐵軌扣件 扣件檢測(cè) 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò)
【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
【分類號(hào)】：U216.3;TP183
【目錄】：

• 致謝5-6
• 摘要6-8
• ABSTRACT8-12
• 1 引言12-16
• 1.1 課題研究背景與意義12-13
• 1.2 國(guó)內(nèi)外研究發(fā)展現(xiàn)狀13-14
• 1.3 論文的主要研究工作14-15
• 1.4 論文結(jié)構(gòu)15-16
• 2 前期工作與研究現(xiàn)狀16-29
• 2.1 基于在線學(xué)習(xí)的扣件檢測(cè)算法16-19
• 2.1.1 鐵軌軌道定位16-17
• 2.1.2 鐵軌扣件定位17-18
• 2.1.3 鐵軌扣件檢測(cè)18-19
• 2.2 不足與解決方案19-20
• 2.3 基于深度學(xué)習(xí)特征表示的研究現(xiàn)狀20-24
• 2.3.1 手工設(shè)計(jì)的特征21
• 2.3.2 基于學(xué)習(xí)的特征21-22
• 2.3.3 深度學(xué)習(xí)的特征22-24
• 2.4 卷積神經(jīng)網(wǎng)絡(luò)的概述24-28
• 2.4.1 神經(jīng)網(wǎng)絡(luò)模型25-26
• 2.4.2 前向傳播算法26
• 2.4.3 反向傳播算法26-28
• 2.5 小結(jié)28-29
• 3 基于AlexNet的扣件檢測(cè)算法29-50
• 3.1 基于AlexNet的扣件檢測(cè)算法29-35
• 3.1.1 算法平臺(tái)的選擇29-31
• 3.1.2 AlexNet網(wǎng)絡(luò)模型的結(jié)構(gòu)31-35
• 3.2 扣件數(shù)據(jù)集的準(zhǔn)備35-39
• 3.3 實(shí)驗(yàn)結(jié)果39-42
• 3.3.1 開(kāi)發(fā)與實(shí)驗(yàn)環(huán)境39
• 3.3.2 實(shí)驗(yàn)數(shù)據(jù)39-40
• 3.3.3 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)40-41
• 3.3.4 各線路檢測(cè)結(jié)果41-42
• 3.4 實(shí)驗(yàn)分析42-48
• 3.4.1 提取特征數(shù)選取的影響42-44
• 3.4.2 網(wǎng)絡(luò)模型迭代次數(shù)選取的影響44-45
• 3.4.3 絡(luò)層數(shù)選取的影響45-46
• 3.4.4 模型推廣能力分析46-47
• 3.4.5 與前期工作算法的比較47-48
• 3.5 小結(jié)48-50
• 4 基于Siamese網(wǎng)絡(luò)模型的扣件檢測(cè)算法50-61
• 4.1 基于Siamese網(wǎng)絡(luò)模型的檢測(cè)算法50-54
• 4.1.1 Siamese網(wǎng)絡(luò)模型50-51
• 4.1.2 Siamese網(wǎng)絡(luò)模型的結(jié)構(gòu)51-54
• 4.2 實(shí)驗(yàn)結(jié)果54-55
• 4.2.1 開(kāi)發(fā)與實(shí)驗(yàn)環(huán)境54
• 4.2.2 實(shí)驗(yàn)數(shù)據(jù)54
• 4.2.3 各線路檢測(cè)結(jié)果54-55
• 4.3 實(shí)驗(yàn)分析55-60
• 4.3.1 提取特征數(shù)選取的影響55-57
• 4.3.2 網(wǎng)絡(luò)模型迭代次數(shù)選取的影響57-58
• 4.3.3 模型推廣能力分析58-59
• 4.3.4 與前期工作算法的比較59-60
• 4.4 小結(jié)60-61
• 5 結(jié)論與展望61-63
• 5.1 結(jié)論61-62
• 5.2 展望62-63
• 參考文獻(xiàn)63-65
• 作者簡(jiǎn)歷65-67
• 學(xué)位論文數(shù)據(jù)集67

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

2 常國(guó)任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機(jī)艦面系統(tǒng)效能評(píng)估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

4 許萬(wàn)增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國(guó)際技術(shù)經(jīng)濟(jì)研究學(xué)報(bào);1990年01期

5 張軍華;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在軍用系統(tǒng)中的應(yīng)用[J];現(xiàn)代防御技術(shù);1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)控制中的應(yīng)用[J];機(jī)床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學(xué)報(bào);1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動(dòng)化領(lǐng)域里的應(yīng)用[J];中國(guó)儀器儀表;1994年03期

9 魏銘炎;國(guó)內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機(jī)電器技術(shù);1995年04期

10 王中賢，錢頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟(jì)管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹(shù)德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛(ài)克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩(shī)武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬(wàn)強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前10條

1 美國(guó)明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國(guó)家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國(guó)教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國(guó)紡織報(bào);2003年

4 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開(kāi)復(fù)雜工藝“黑箱”[N];解放日?qǐng)?bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日?qǐng)?bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國(guó)際先進(jìn)水平[N];中國(guó)電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過(guò)鑒定[N];中國(guó)船舶報(bào);2006年

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

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無(wú)線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛(ài)民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

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

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

2 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

3 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

4 胡婷;改進(jìn)QGA-BP模型及其在彌苴河總氮量預(yù)測(cè)中的應(yīng)用[D];昆明理工大學(xué);2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測(cè)研究[D];昆明理工大學(xué);2015年

6 劉波;短期風(fēng)電功率預(yù)測(cè)方法研究[D];南京信息工程大學(xué);2015年

7 蔡邦宇;人臉識(shí)別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

8 鄭川;垃圾評(píng)論檢測(cè)算法的研究[D];西南交通大學(xué);2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評(píng)估中的應(yīng)用研究[D];昆明理工大學(xué);2015年

10 馬亮;降水點(diǎn)分類預(yù)測(cè)方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

，

本文編號(hào)：719698