基于機器視覺的多線路鋼軌扣件缺損檢測方法
關(guān)鍵詞：鋼軌扣件 缺損檢測 多線路 圖像識別 深度卷積神經(jīng)網(wǎng)絡(luò)
摘要：提出基于在線學(xué)習(xí)策略的扣件區(qū)域定位算法,即根據(jù)軌道圖像的先驗知識和模板匹配方法定位扣件區(qū)域,利用在線學(xué)習(xí)策略動態(tài)地更新模板庫,使算法能夠在多線路的軌道圖像中定位扣件區(qū)域,并自動標(biāo)注扣件樣本;提出基于深度卷積神經(jīng)網(wǎng)絡(luò)的扣件缺損識別算法,即根據(jù)扣件區(qū)域圖像的尺寸較小、圖像內(nèi)容相對單一的特點設(shè)計識別算法的網(wǎng)絡(luò)結(jié)構(gòu),采用樣本隨機排序策略的數(shù)據(jù)增強方法,以減小樣本數(shù)量失衡對識別性能的影響。基于多線路鋼軌扣件試驗數(shù)據(jù)集對檢測方法進行試驗驗證,結(jié)果表明:該方法可在不同線路的軌道圖像中精確定位扣件區(qū)域并識別扣件缺損,扣件區(qū)域定位平均檢測率達(dá)到99.36%,扣件缺損識別平均精確率達(dá)到96.82%,具有較高的可靠性和較強的多線路適應(yīng)能力。
中國鐵道科學(xué)雜志要求:
{1}正文應(yīng)盡量減少層次，一般不宜超過3層。有標(biāo)題內(nèi)容才列數(shù)字序號（沒有標(biāo)題的內(nèi)容用自然段形式起始），數(shù)字序號后不用加點，但要空1格。
{2}來稿必須為原創(chuàng)性作品，此前未經(jīng)公開發(fā)表。嚴(yán)禁抄襲、剽竊和一稿多投，如有發(fā)現(xiàn)，將永不刊用該作者來稿。
{3}文內(nèi)標(biāo)題：文內(nèi)標(biāo)題要簡潔、明確，標(biāo)題層次不宜過多，一般保留三級標(biāo)題。
{4}將參考文獻(xiàn)按在文中出現(xiàn)的先后順序排列編號,并用方括號標(biāo)注在文中引用處的右上角。參考文獻(xiàn)數(shù)量為15-20個。
{5}作者簡介：姓名，出生年，性別，籍貫，單位（大小單位都要寫清）及所在省市、郵編，職稱或?qū)W位。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
