检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于自注意力机制的桥梁螺栓检测算法

浙江大学学报（工学版） 2022年第5期56卷 901-908页

作者：鞠晓臣赵欣欣钱胜胜中国铁道科学研究院集团有限公司铁道建筑研究所北京100081 中国科学院自动化研究所北京100190

基于构建的真实桥梁螺栓场景数据集,提出基于自注意力机制与中心点回归(SACPR)的螺栓检测算法.构建基于真实场景的高质量桥梁螺栓场景数据集,并针对数据不均衡、多样性不够的问题,使用数据增强方法进行数据扩充,从而获得更高的分类精度... 详细信息

基于构建的真实桥梁螺栓场景数据集,提出基于自注意力机制与中心点回归(SACPR)的螺栓检测算法.构建基于真实场景的高质量桥梁螺栓场景数据集,并针对数据不均衡、多样性不够的问题,使用数据增强方法进行数据扩充,从而获得更高的分类精度.采用基于深度学习框架的SACPR算法检测不同场景下的螺栓,并进行标示.对螺栓检测准确率进行验证实验,验证SACP算法的有效性.将试验结果与YOLOv3、Faster-RCNN、RetinaNet这3种算法结果进行对比,发现3种检测方法的识别精度分别为80.56%、87.71%、93.89%,而所提出的SACPR算法的识别精度为93.91%,明显优于YOLOv3算法和Faster-RCNN算法;虽然SACPR算法与RetinaNet算法的识别精度较接近,但前者的检测速度是后者的5.6倍.

关键词：桥梁图像识别 SACPR 螺栓检测自注意力机制

基于C3F-YOLOv5的轻量化列车车底螺栓检测方法研究

在线全文

学校读者我要写书评

暂无评论

铁道科学与工程学报 2024年第8期21卷 3455-3468页

作者：董华军韩华豫李籽骁朱晔李金金大连交通大学机械工程学院辽宁大连116028 大连交通大学自动化与电气工程学院辽宁大连116052

提高目标检测在列车车底复杂背景下螺栓的识别精度及检测速率,对于提高列车行驶安全性具有重要意义。为高效检测螺栓,提出一种基于C3F-YOLOv5的轻量化列车车底螺栓检测方法。使用自行设计的履带式车底检测机器人获取车底螺栓图片,并混... 详细信息

提高目标检测在列车车底复杂背景下螺栓的识别精度及检测速率,对于提高列车行驶安全性具有重要意义。为高效检测螺栓,提出一种基于C3F-YOLOv5的轻量化列车车底螺栓检测方法。使用自行设计的履带式车底检测机器人获取车底螺栓图片,并混合自行搭建的模拟平台螺栓图片与真实的列车车底螺栓图片作为最终数据集。将C3模块中的Bottleneck结构替换为Faster_Block结构,改进为C3F模块;并分别与FasterNet、GhostNet和MobileNetV3轻量化结构进行对比。此外,引入注意力机制CA模块,同时将原有损失函数L_(GIoU)替换为更为契合的L_(MPDIoU);使用SE模块和CBAM模块分别与CA模块进行比较,作为消融实验。最后采用LAMP分数的计算方法对模型权重参数排序,并将不重要的权重参数剪枝,作为新型模型压缩的方法。将最终模型压缩后的C3F-YOLOv5s网络模型分别与YOLOv4、YOLOv7、Mask R-CNN、RetinaNet进行对比试验。研究结果表明,在使用混合数据集的情况下,最终网络模型的平均检测精度达到了92.8%,检测速度达到了256.7 FPS。相较于其他4种经典的深度学习网络模型,改进后的模型检测效果更好,同时模型表现出较强的鲁棒性和泛化性能。该方法可在无法获得更多真实车底螺栓图片时,使训练后网络更加适应真实车底的情况,改进后的算法可以同时提高螺栓的识别精度和检测速度,可以为后续相关研究提供技术参考和理论支撑。

关键词：螺栓检测 YOLOV5 注意力机制损失函数模型压缩

适用于无人机巡检图像的输电线路螺栓检测方法

在线全文

学校读者我要写书评

暂无评论

电力科学与技术学报 2018年第4期33卷 135-140页

作者：冯敏罗旺余磊张佩郝小龙樊强彭启伟张天兵曹玲玲南瑞集团有限公司(国网电力科学研究院有限公司) 江苏南京210003 北方信息控制研究院集团有限公司江苏南京211111

输电线路巡检是保证电网稳定高效运行的重要工作。针对含辅助无人机的输电线路巡检,提出一种处理分析无人机海量图片数据的输电线路螺栓检测方法。根据输电线路螺栓检查的业务需要,建立图像样本库,并提取样本图像HOG特征,构建SVM分类器... 详细信息

输电线路巡检是保证电网稳定高效运行的重要工作。针对含辅助无人机的输电线路巡检,提出一种处理分析无人机海量图片数据的输电线路螺栓检测方法。根据输电线路螺栓检查的业务需要,建立图像样本库,并提取样本图像HOG特征,构建SVM分类器,实现对高分辨率无人机巡检图像的螺栓识别。实验结果表明,该方法具有较好的检测效果,能高效定位高分辨率无人机图像中的螺栓位置,有效减轻工作人员放大拖拽高分辨图像观测螺栓状态的工作量。

关键词：输电线路无人机巡检螺栓检测 HOG SVM 高分辨率

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv2的动车组裙板螺栓检测

铁道标准设计 2022年第1期66卷 161-166页

作者：刘伟铭邹星宇华南理工大学土木与交通学院广州510640

目前,动车组运行故障图像检测系统(TEDS)采集的动车组关键部位图像主要由人工判别,为提高裙板螺栓检测效率,提出一种基于改进YOLOv2的运行动车组裙板螺栓丢失检测方法。首先,通过K-Means聚类分析待检测螺栓区域目标框尺寸;其次,针对目... 详细信息

目前,动车组运行故障图像检测系统(TEDS)采集的动车组关键部位图像主要由人工判别,为提高裙板螺栓检测效率,提出一种基于改进YOLOv2的运行动车组裙板螺栓丢失检测方法。首先,通过K-Means聚类分析待检测螺栓区域目标框尺寸;其次,针对目标区域尺寸相似且较小的情况,在单尺度检测的YOLOv2模型中增加Spatial Pyramid Pooling(SPP)层,提高目标感知能力;最后,在动车组裙板螺栓数据集上,将改进前后的算法实验效果进行对比。结果表明,改进的YOLOv2-SPP平均精度均值从94.12%提升至95.83%,在单张2080Ti显卡上,检测速度达到73.6FPS,是同等环境下YOLOv3检测速度的2.5倍,YOLOv4的3.3倍,可快速准确检测出运行动车组中的裙板螺栓及螺栓丢失区域,减少分析员识别压力。

关键词：动车组裙板螺栓检测 YOLOv2 K-Means SPP

地铁底部图像拼接与关键部件螺栓检测系统研究

在线全文

学校读者我要写书评

暂无评论

地铁底部图像拼接与关键部件螺栓检测系统研究

作者：章加兵南京理工大学

学位级别：硕士

随着城轨列车技术的发展,地铁成为人们日常生活中不可或缺的交通工具,为保证人们出行安全,地铁的安全性不容忽视。车底状态检测是地铁检测的重要环节之一,但地铁段检、厂检会存在漏检情况。当前国内还没有一套完整的地铁底部复现技术和... 详细信息

随着城轨列车技术的发展,地铁成为人们日常生活中不可或缺的交通工具,为保证人们出行安全,地铁的安全性不容忽视。车底状态检测是地铁检测的重要环节之一,但地铁段检、厂检会存在漏检情况。当前国内还没有一套完整的地铁底部复现技术和基于图像自动检测技术,因此本文对地铁底部做了相应的研究。主要工作内容如下:(1)对地铁底部图像拼接与关键部件螺栓检测系统进行总体架构设计,在需求分析的基础上,确定系统架构、系统工作流程以及组成模块。(2)针对线阵相机所拍图像进行横纵拼接,首先对图像进行校正和数据清洗,因线阵相机的特殊性,可纵向直接拼接;对于多线阵相机的横向拼接,采用SIFT特征匹配和图像融合技术对车底图像进行拼接,基于传统的SIFT特征拼接效率较低,而本系统对于实时性要求较高,因此本文首先确定重叠区域,通过对重叠区域进行特征匹配,减少后续迭代时间,提升效率,完成车底图像拼接。(3)传统的模板匹配定位等技术在车底图像上并不适用,本文采用背景差分确定拼接图像中车头、车尾位置,按比例分割确定关键部件位置,通过深度学习对关键部件螺栓检测,修改损失函数提高系统模型的收敛速度,分析YOLO算法流程,将图片细粒度划分提高系统的检测精度,以达到地铁检测精度要求。(4)根据系统设计,在广州地铁镇龙车辆段21号线进行系统的安装调试,通过采用评价指标对算法的可行性进行分析,实验结果证明算法满足系统要求。

关键词：地铁车底线阵相机图像拼接螺栓检测 YOLO

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的动车组裙板螺栓检测

基于卷积神经网络的动车组裙板螺栓检测

作者：邹星宇华南理工大学

学位级别：硕士

动车组运行故障检测系统(TEDS)是保障动车组高速行车安全的系统,但目前TEDS采集的动车组扫描图像中,关键零部件状态主要由人工判别。随着深度学习的不断发展,基于卷积神经网络的目标检测算法应用日益广泛。本文在YOLOv2的基础上,提出了... 详细信息

动车组运行故障检测系统(TEDS)是保障动车组高速行车安全的系统,但目前TEDS采集的动车组扫描图像中,关键零部件状态主要由人工判别。随着深度学习的不断发展,基于卷积神经网络的目标检测算法应用日益广泛。本文在YOLOv2的基础上,提出了加入改进SPP层,融合多重感受野的YOLOv2-Plus,并将小目标检测能力增强的YOLOv2-Plus应用于动车组裙板螺栓检测任务,提高了裙板螺栓检测的准确率和效率。动车组裙板螺栓数据集中,螺栓丢失的故障样本数量稀缺,本文首先分析了正常螺栓和螺栓丢失样本的特性,使用图像增广技术对动车组裙板螺栓数据集进行增广。然后使用K-Means算法聚类分析了待检测螺栓区域的边界框尺寸,针对目标区域尺寸相近、在图像中占比较小的特点,提出了融合多重感受野的SPP层。根据多分辨率图像中小目标的不同尺寸,设计了SPP层中池化核的尺寸,SPP层增强了模型对不同尺寸小目标的感知能力。在此基础上选取Darknet-19的低层特征图,经SPP层处理后通过卷积层进一步提取特征,接着使用Passthrough层进行特征重排后与高层特征图堆叠融合,送入分类器完成目标检测,并选用更高的网络输入分辨率和Mish激活函数,提出了小目标检测准确度提升的YOLOv2-Plus。为了验证算法性能的提升,使用增广的动车组裙板螺栓数据集对YOLOv2、YOLOv3、YOLOv4、Faster R-CNN和YOLOv2-Plus进行训练和测试。608×608的输入分辨率下,YOLOv2-Plus平均精确率均值(m AP)较YOLOv2提升了2.12%,达到了95.66%,检测速度为67.1FPS。YOLOv2-Plus在测试数据集中的m AP和检测速度均超过YOLOv3、YOLOv4,虽然m AP略低于Faster R-CNN,但检测速度是Faster R-CNN的3倍以上。YOLOv2-Plus较好地平衡了目标检测准确度和检测速度,可以快速准确地检测出运行动车组的裙板螺栓和螺栓丢失区域。本文在使用Darknet框架实现YOLOv2-Plus的基础上,设计了基于Web的动车组裙板螺栓检测系统,在人工诊断故障的任务中,该系统具有一定的实用性,可减轻分析员的任务压力。

关键词：动车组裙板螺栓检测卷积神经网络 YOLOv2

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像处理的动车轴端螺栓检测方法的研究

基于图像处理的动车轴端螺栓检测方法的研究

作者：叶宏鹏北京交通大学

学位级别：硕士

动车在中国铁路客运中发挥着重要的作用,由于动车运行速度快,磨损、磨耗等问题相对突出,因此动车的日常安全养护至关重要,动车转向架轴端螺栓检测就是其中一项关键任务。目前轴端螺栓的检测主要由人工完成,但由于螺栓数量多、尺寸小,检... 详细信息

动车在中国铁路客运中发挥着重要的作用,由于动车运行速度快,磨损、磨耗等问题相对突出,因此动车的日常安全养护至关重要,动车转向架轴端螺栓检测就是其中一项关键任务。目前轴端螺栓的检测主要由人工完成,但由于螺栓数量多、尺寸小,检测难度很大,因此研究一种基于图像处理的轴端螺栓自动检测方法对保障动车行车安全、减少人工劳动力具有极其重要的意义。本课题是对动车运行故障检测系统（TEDS）的延续性研究,通过分析轴端螺栓图像特征,制定了逐级缩小螺栓检测区域的策略,设计了基于图像处理技术的动车轴端螺栓自动检测系统。首先根据转向架区域特征,提出了一种基于灰度投影和霍夫变换结合的转向架区域自适应提取方法,采用图像二值化及形态学预处理方式增强了转向架区域特征;在此基础上,对提取出的转向架区域图像分别采用了双边滤波去噪及拉普拉斯算子增强的图像预处理方法,降低了噪声和光照对目标检测的影响;其次,利用霍夫圆变换和图像统计信息实现了轮轴区域的定位与提取,根据端盖区域特征,提出了一种基于区域划分的多灰度模板匹配端盖的识别提取方法,能有效实现端盖区域的精定位;然后,利用端盖中心与各螺栓的位置关系,划分了螺栓检测范围;根据螺栓区域特征,采用多灰度模板匹配的方法,实现了轴端螺栓的检测。最后,根据螺栓检测流程,设计并搭建了动车转向架轴端螺栓自动检测系统。使用实际动车图像进行检测实验,实验结果表明,该方法对动车转向架轴端螺栓检出率达到89.26%,同时大大提高了检测效率。将检测系统在北京动车段进行试运行,检测效果良好,满足实际使用要求,验证了所设计的轴端螺栓检测系统具有良好的工程应用价值。

关键词：螺栓检测霍夫变换模板匹配转向架提取端盖识别

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

螺栓检测合理化方法探究

河南化工 2017年第8期34卷 40-41页

作者：高连杰王斌洛阳欣隆工程检测有限公司河南洛阳471012 石油化工工程质量监督总站洛阳石化分站河南洛阳471012

由于对于螺栓检测的方法有限,特此对检测方法进行探究,并找出了合理化解决方案。本文采用荧光磁粉和超声检测法相结合的方法可以保证内外缺陷的综合检测。

关键词：螺栓检测荧光磁粉检测超声检测相控阵检测

基于改进椭圆拟合与非线性支持向量机的配电设备螺栓带电检测

在线全文

学校读者我要写书评

暂无评论

南京理工大学学报 2017年第6期41卷 708-713页

作者：纪良吴巍许春山苏鹏飞赵伟国网江苏省电力公司常州供电公司江苏常州213000 南京理工大学自动化学院江苏南京210094 亿嘉和科技股份有限公司江苏南京210000

为在复杂的带电作业场景中准确地检测出螺栓,针对基于最小二乘法的传统椭圆拟合易受光照、环境和噪声影响的问题,综合利用最小二乘法、随机采样原理进行椭圆拟合。针对螺栓和椭圆形干扰物边缘形状相似的问题,采用基于非线性支持向量机(S... 详细信息

为在复杂的带电作业场景中准确地检测出螺栓,针对基于最小二乘法的传统椭圆拟合易受光照、环境和噪声影响的问题,综合利用最小二乘法、随机采样原理进行椭圆拟合。针对螺栓和椭圆形干扰物边缘形状相似的问题,采用基于非线性支持向量机(SVM)的分类方法对螺栓和干扰物进行分类。实验结果表明,该文方法能在存在椭圆形干扰物的情况下准确区分螺栓。

关键词：椭圆拟合支持向量机配电设备螺栓检测带电检测最小二乘法随机采样原理