基于深度学习的钢轨鱼鳞伤损检测方法.pdf
努力****妙风
亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于深度学习的钢轨鱼鳞伤损检测方法.pdf
本发明公开了一种基于深度学习的钢轨鱼鳞伤损检测方法,首先按照设定的比例将所有图像构成的数据集划分为训练集、测试集、验证集;然后设置网络结构并正向传播,使用残差神经网络进行深度学习训练,残差神经网络包括卷积层、池化层和全连接层;正向传播的计算结果输出后,调用反向传播算法;最后保留最终残差神经网络所训练出的模型,并绘制出整个训练过程中各参数的变化曲线用于参考。本发明将机器视觉和深度学习中的卷积神经网络技术相结合,将钢轨鱼鳞伤损的样本提取特征并进行学习分类,将神经网络输出的模型用于实际工业中的判别中;与在工业领
钢轨伤损检测方法.pdf
本发明公开了一种钢轨伤损检测方法,车载计算机对数据文件进行解析和伤损识别后显示存储识别结果,并将伤损样本和识别结果发送至样本库服务器。地面计算机对数据文件进行解析和伤损识别后显示存储识别结果,并将伤损样本和识别结果传输至样本库服务器。样本库服务器进行样本库管理,深度学习工作站根据样本库服务器中的选定样本优化伤损识别模型,并升级车载或地面计算机中的伤损识别模型。伤损识别模型基于卷积神经网络生成,输入卷积神经网络的图像为N个通道叠加而成且带有方向的RGB重构图像。本发明能解决现有钢轨伤损识别方式的网络输入直接
基于深度学习的钢轨伤损智能识别方法研究的开题报告.docx
基于深度学习的钢轨伤损智能识别方法研究的开题报告一、选题背景及研究意义高速铁路的铁路构架是繁忙的运输系统中的基础设施。在常见的铁路路基和桥梁、涵洞等构造中,钢轨是至关重要的组成部分,它承载了铁路列车和货运交通的全重。然而,在运行的过程中,钢轨会遭受到各种因素的伤害,例如:长期的使用,腐蚀,倒踩遮菜,轮轨间的剧烈摩擦等。这些伤害会造成钢轨的劣化甚至失效,这种问题会对高速铁路的平稳运行和运营安全性产生重大影响。传统钢轨检测方法往往借助于人工巡视,其工作效率低下且简单的工作内容往往会使人失误,而且难以对现场所发
铁路钢轨伤损检测方法及装置.pdf
本发明提出一种铁路钢轨伤损检测方法及装置,用于计算探伤车对各种伤损的检出能力,其中铁路钢轨伤损检测方法包括:获取铁路钢轨伤损的原始数据;根据逻辑回归方法与机器学习方法,建立不同伤损类型的检测概率模型;根据所述铁路钢轨伤损的原始数据,利用MLE最大概率估计方法确定所述检测概率模型中的拟合参数;根据确定后的不同伤损类型的检测概率模型以及当前钢轨探伤车的车速或者设定的伤损类型的检出概率,确定不同伤损类型的检出概率或者钢轨探伤车的车速范围。
一种基于深度学习的钢轨磨损检测方法.pdf
本发明公开了一种基于深度学习的钢轨磨损检测方法,具体包括如下步骤:步骤1,采用已有磨损的钢轨构建实验模型;步骤2,建立深度学习框架;步骤3,基于步骤2建立的学习框架对钢轨的实际磨损程度进行测量。采用深度学习框架对钢轨的轮廓图进行训练,获得钢轨磨损测试的模型,可以快速检测出该轮廓图属于何种磨损程度,并且可以记录当前位置以便钢轨磨损实际路线图的生成。相比于传统的测量方式有了极大的提高,减少了大量繁琐的计算过程,节省了人力物力,最终实现快速、定期、智能化、信息化的钢轨磨损检测。