鋼軌扣件是用于保持軌距的重要鐵路基礎(chǔ)設(shè)施,然而,列車運行時產(chǎn)生的沖擊力會造成扣件松動、損壞甚至丟失,進(jìn)而導(dǎo)致列車脫軌等重大安全事故。因此,必須定期地檢測線路中鋼軌扣件的狀態(tài),以保障鐵路安全。本文以鋼軌扣件為主要研究對象,深入研究基于機器視覺的自動化檢測技術(shù)在鋼軌扣件檢測任務(wù)中的應(yīng)用模式,研究內(nèi)容涉及復(fù)雜場景下的目標(biāo)定位和圖像識別等熱點領(lǐng)域。本文提出的方法提升了鋼軌扣件檢測系統(tǒng)的有效性、時效性和不同環(huán)境線路的推廣能力,實現(xiàn)了高效、準(zhǔn)確地檢測鋼軌扣件狀態(tài)的目的,具有重要的理論意義和實用價值。本文創(chuàng)新之處主要體現(xiàn)在以下四個方面:1)現(xiàn)有的鋼軌扣件區(qū)域定位方法在檢測任務(wù)中存在精確率差、速度慢和推廣能力不足的問題。本文提出了基于在線學(xué)習(xí)策略的鋼軌扣件區(qū)域定位方法。首先,利用軌道基礎(chǔ)設(shè)施的先驗信息來檢測鋼軌扣件候選區(qū)域;然后,采用K近鄰算法結(jié)合模板庫,計算候選區(qū)域內(nèi)子窗口與扣件模板的相似度,并根據(jù)相似度得分和鋼軌扣件位置分布推斷扣件區(qū)域;最后,采用在線學(xué)習(xí)策略動態(tài)地更新在線模板庫,以適應(yīng)不同環(huán)境線路的光照條件、圖像背景和鋼軌扣件類型。實驗結(jié)果表明,該方法在多條鐵路的鋼軌扣件定位數(shù)據(jù)集上取得了很好的... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：128 頁

【學(xué)位級別】：博士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 系統(tǒng)框架及關(guān)鍵技術(shù)分析
        1.3.1 軌道圖像采集
        1.3.2 鋼軌扣件區(qū)域的定位和識別
    1.4 主要研究內(nèi)容和創(chuàng)新點
    1.5 本文的章節(jié)安排
2 相關(guān)基礎(chǔ)理論與方法
    2.1 鋼軌扣件區(qū)域定位方法
        2.1.1 基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法
        2.1.2 傳統(tǒng)的鋼軌扣件區(qū)域定位方法
    2.2 鋼軌扣件識別方法
        2.2.1 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法
        2.2.2 傳統(tǒng)的鋼軌扣件識別方法
    2.3 小結(jié)
3 基于在線學(xué)習(xí)策略的鋼軌扣件區(qū)域定位方法
    3.1 引言
    3.2 存在的問題及挑戰(zhàn)
    3.3 基于在線學(xué)習(xí)策略的鋼軌扣件區(qū)域定位方法
        3.3.1 鋼軌扣件候選區(qū)域檢測
        3.3.2 鋼軌扣件區(qū)域定位
        3.3.3 在線學(xué)習(xí)策略
    3.4 實驗與分析
        3.4.1 實驗數(shù)據(jù)集
        3.4.2 實驗結(jié)果評價指標(biāo)
        3.4.3 實驗結(jié)果與分析
        3.4.4 對比實驗分析
    3.5 小結(jié)
4 基于場景上下文感知網(wǎng)絡(luò)的多方向鋼軌扣件實時定位方法
    4.1 引言
    4.2 存在的問題及挑戰(zhàn)
    4.3 基于場景上下文感知網(wǎng)絡(luò)的多方向鋼軌扣件實時定位方法
        4.3.1 多尺度殘差神經(jīng)網(wǎng)絡(luò)
        4.3.2 基于多尺度殘差神經(jīng)網(wǎng)絡(luò)的多方向目標(biāo)實時定位方法
        4.3.3 場景上下文感知網(wǎng)絡(luò)
    4.4 實驗與分析
        4.4.1 實驗數(shù)據(jù)集
        4.4.2 實驗結(jié)果評價指標(biāo)
        4.4.3 鋼軌扣件定位實驗
        4.4.4 目標(biāo)檢測對比實驗
        4.4.5 自然場景文本定位對比試驗
    4.5 小結(jié)
5 基于視覺相似性網(wǎng)絡(luò)的鋼軌扣件缺損識別方法
    5.1 引言
    5.2 存在的問題和挑戰(zhàn)
    5.3 基于視覺相似性網(wǎng)絡(luò)的鋼軌扣件識別方法
        5.3.1 訓(xùn)練樣本的自動采集和標(biāo)注
        5.3.2 視覺相似性網(wǎng)絡(luò)
    5.4 實驗與分析
        5.4.1 實驗數(shù)據(jù)集
        5.4.2 實驗結(jié)果評價指標(biāo)
        5.4.3 實驗結(jié)果與分析
        5.4.4 對比實驗與分析
        5.4.5 真實檢測結(jié)果展示
    5.5 小結(jié)
6 基于圖像代表性特征學(xué)習(xí)的鋼軌扣件松動檢測方法
    6.1 引言
    6.2 相關(guān)方法研究
        6.2.1 基于獨立監(jiān)督的損失函數(shù)
        6.2.2 基于聯(lián)合監(jiān)督的損失函數(shù)
    6.3 基于圖像代表性特征學(xué)習(xí)的圖像分類方法
        6.3.1 問題分析
        6.3.2 收縮環(huán)形損失函數(shù)
        6.3.3 損失函數(shù)優(yōu)化
    6.4 實驗與分析
        6.4.1 鋼軌扣件松動識別實驗
        6.4.2 人臉驗證實驗
        6.4.3 不平衡和大規(guī)模數(shù)據(jù)集圖像分類實驗
        6.4.4 實驗參數(shù)分析
    6.5 小結(jié)
7 總結(jié)及展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
作者簡歷及攻讀博士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的鋼軌傷損智能識別方法[J]. 孫次鎖,劉軍,秦勇,張玉華.  中國鐵道科學(xué). 2018(05)
[2]基于半監(jiān)督深度學(xué)習(xí)的無砟軌道扣件缺陷圖像識別方法[J]. 戴鵬,王勝春,杜馨瑜,韓強,王昊,任盛偉.  中國鐵道科學(xué). 2018(04)
[3]機器視覺技術(shù)在現(xiàn)代汽車制造中的應(yīng)用綜述[J]. 尹仕斌,任永杰,劉濤,郭思陽,趙進(jìn),邾繼貴.  光學(xué)學(xué)報. 2018(08)
[4]基于深度學(xué)習(xí)的鐵道塞釘自動檢測算法[J]. 杜馨瑜,戴鵬,李穎,程雨,王勝春,韓強,王昊.  中國鐵道科學(xué). 2017(03)
[5]車載前向運動視頻的實時全景成像方法[J]. 蔣欣蘭,王勝春,羅四維,黃雅平,戴鵬.  光學(xué)學(xué)報. 2017(05)
[6]軌道交通科技發(fā)展的方向與任務(wù)[J]. 賈利民,秦勇,王莉.  北京交通大學(xué)學(xué)報. 2016(04)
[7]基于計算機視覺的軌道扣件缺陷自動檢測算法研究[J]. 劉甲甲,熊鷹,李柏林,李立.  鐵道學(xué)報. 2016(08)
[8]基于鋼軌圖像頻域特征的鋼軌波磨檢測方法[J]. 李清勇,章華燕,任盛偉,戴鵬,李唯一.  中國鐵道科學(xué). 2016(01)
[9]先進(jìn)軌道交通系統(tǒng)發(fā)展趨勢與主動安全保障技術(shù)[J]. 秦勇,馬慧,賈利民.  中國鐵路. 2015(12)
[10]基于多目立體視覺的接觸網(wǎng)幾何參數(shù)測量方法[J]. 周威,孫忠國,任盛偉,張文軒,汪海瑛,戴鵬,王燕國.  中國鐵道科學(xué). 2015(05)

博士論文
[1]基于前向運動視頻的計算機視覺檢測技術(shù)研究及應(yīng)用[D]. 王勝春.北京交通大學(xué) 2015

碩士論文
[1]基于不均衡醫(yī)療影像數(shù)據(jù)集的分類方法與應(yīng)用研究[D]. 韓赫.北京工業(yè)大學(xué) 2018
[2]基于遷移學(xué)習(xí)的鐵路異物檢測算法研究[D]. 李曉蕊.北京交通大學(xué) 2018
[3]基于機器視覺的USB插頭表面缺陷檢測技術(shù)研究[D]. 劉雙春.中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所) 2017
[4]基于計算機視覺的智能安防監(jiān)控系統(tǒng)研究[D]. 張瀟磊.南京郵電大學(xué) 2014
[5]基于混合紋理特征的軌枕裂紋識別[D]. 張莉.西南交通大學(xué) 2012
[6]巡道車視頻檢測系統(tǒng)的設(shè)計及關(guān)鍵技術(shù)的實現(xiàn)[D]. 常江.北京交通大學(xué) 2009
[7]巡道車視頻處理系統(tǒng)關(guān)鍵技術(shù)的研究[D]. 張洋.北京交通大學(xué) 2008



本文編號：3080202