期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多目标级联深度学习的无砟轨道板表面裂缝测量
被引量：
4
1
作者
王卫东
吴铮
+6 位作者
邱实
彭俊
胡文博
伍定泽
王劲
冉志发
袁啸
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023年第9期3592-3603,共12页
轨道板劣化严重程度判识是工务养维的重要基础,而裂缝识别与宽度的精确测量是判识劣化程度的重要依据。基于传统机器视觉的轨道板裂缝判识易漏检、错检,复杂背景条件下检测精度较低,计算成本较高。现有深度学习方案虽然提升了检测精度,...
轨道板劣化严重程度判识是工务养维的重要基础,而裂缝识别与宽度的精确测量是判识劣化程度的重要依据。基于传统机器视觉的轨道板裂缝判识易漏检、错检,复杂背景条件下检测精度较低,计算成本较高。现有深度学习方案虽然提升了检测精度,但存在单一模型处理效率低,多裂缝目标分割粗糙等问题。本文提出一种基于深度学习的多目标级联算法,通过图像分类网络、实例分割网络和正交投影法的级联处理和特征传递,实现针对高速铁路无砟轨道板裂缝的精细化测量。该算法首先基于图像分类网络快速筛选巡检数据并捕获含裂缝图像;然后基于实例分割网络从图像分类网络的输出中逐像素地分割出独立的裂缝目标的边界,并作为正交投影法的输入;最后基于正交投影法沿裂缝边界提取单像素骨架及轮廓并计算连续宽度。研究结果表明:所提出的多目标级联算法的平均精度(AP)达到70.7%,相较于传统像素级的深度学习模型(Mask R-CNN)提升23.6%;综合处理效率达到63.44FPS,达到单一SOLOv2网络的3.6倍,有效克服了单一分割模型对健康图像的冗余计算。进一步地,多目标级联算法的裂缝宽度测量范围是传统人工测量方法的1.15倍且标准差更小,有效地解决了传统人工局部测量导致的宽度突变。此外,基于研究成果统计得到了无砟轨道板裂缝的宽度分布,可以作为裂缝的发展预测及轨道结构科学养维的潜在指标。
展开更多
关键词
铁道工程
无砟轨道板裂缝
多目标级联深度学习
正交投影
宽度测量
在线阅读
下载PDF
职称材料
基于宏微观耦合深度学习的高速铁路无砟轨道板表面裂缝精细化测量
被引量：
8
2
作者
胡文博
王卫东
+4 位作者
汪雯娟
彭俊
吴铮
王劲
邱实
《中南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022年第5期1965-1975,共11页
提出一种基于宏微观耦合的深度学习算法,实现对复杂图像背景下高速铁路无砟轨道板裂缝宽度的精细化测量。该算法依次从宏观区域、微观边界和几何特征3个层面捕捉裂缝特征并传递处理结果,形成从输入无砟轨道板巡检图像到输出裂缝宽度测...
提出一种基于宏微观耦合的深度学习算法,实现对复杂图像背景下高速铁路无砟轨道板裂缝宽度的精细化测量。该算法依次从宏观区域、微观边界和几何特征3个层面捕捉裂缝特征并传递处理结果,形成从输入无砟轨道板巡检图像到输出裂缝宽度测量值的精细化映射。首先,在宏观区域层面采用深度目标检测网络预提取裂缝区域,减少与裂缝相似的非目标区域的噪声和污损。然后,在微观边界层面采用深度语义分割网络逐像素地判识裂缝边界。最后,在几何特征层面采用改进的正交投影法计算沿裂缝边界分布的连续宽度,并统计裂缝的最大宽度、最小宽度、平均宽度、中值宽度和标准差等特征指标值。研究结果表明:在复杂图像背景下,基于宏微观耦合的深度学习算法与U-Net等单一像素的算法相比,裂缝边界判识精度提高约15%,达到84.57%;与传统正交投影法相比,裂缝连续宽度的标准差降低90%,裂缝宽度测量的离散性显著降低。研究成果能够更好地适用于噪声、污损等复杂图像背景下高速铁路无砟轨道板裂缝测量,并可得到更接近真实的裂缝宽度。
展开更多
关键词
无砟轨道板裂缝
机器视觉
深度学习
宏微观耦合
宽度测量
在线阅读
下载PDF
职称材料
题名
基于多目标级联深度学习的无砟轨道板表面裂缝测量
被引量：
4
1
作者
王卫东
吴铮
邱实
彭俊
胡文博
伍定泽
王劲
冉志发
袁啸
机构
中南大学土木工程学院
中南大学重载铁路工程结构教育部重点实验室
中南大学轨道交通基础设施智能监控研究中心
广东珠肇铁路有限责任公司
贵州贵金高速公路有限公司
出处
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023年第9期3592-3603,共12页
基金
国家自然科学基金−高铁联合基金资助项目(U1734208)
国家自然科学基金资助项目(52178442)
贵州贵金高速公路有限公司开发项目(GJGS-2020-ZX-076)。
文摘
轨道板劣化严重程度判识是工务养维的重要基础,而裂缝识别与宽度的精确测量是判识劣化程度的重要依据。基于传统机器视觉的轨道板裂缝判识易漏检、错检,复杂背景条件下检测精度较低,计算成本较高。现有深度学习方案虽然提升了检测精度,但存在单一模型处理效率低,多裂缝目标分割粗糙等问题。本文提出一种基于深度学习的多目标级联算法,通过图像分类网络、实例分割网络和正交投影法的级联处理和特征传递,实现针对高速铁路无砟轨道板裂缝的精细化测量。该算法首先基于图像分类网络快速筛选巡检数据并捕获含裂缝图像;然后基于实例分割网络从图像分类网络的输出中逐像素地分割出独立的裂缝目标的边界,并作为正交投影法的输入;最后基于正交投影法沿裂缝边界提取单像素骨架及轮廓并计算连续宽度。研究结果表明:所提出的多目标级联算法的平均精度(AP)达到70.7%,相较于传统像素级的深度学习模型(Mask R-CNN)提升23.6%;综合处理效率达到63.44FPS,达到单一SOLOv2网络的3.6倍,有效克服了单一分割模型对健康图像的冗余计算。进一步地,多目标级联算法的裂缝宽度测量范围是传统人工测量方法的1.15倍且标准差更小,有效地解决了传统人工局部测量导致的宽度突变。此外,基于研究成果统计得到了无砟轨道板裂缝的宽度分布,可以作为裂缝的发展预测及轨道结构科学养维的潜在指标。
关键词
铁道工程
无砟轨道板裂缝
多目标级联深度学习
正交投影
宽度测量
Keywords
railway engineering
crack of ballastless track slab
multi-objective cascade deep learning
orthogonal projection operator
width measurement
分类号
U216.3 [交通运输工程—道路与铁道工程]
在线阅读
下载PDF
职称材料
题名
基于宏微观耦合深度学习的高速铁路无砟轨道板表面裂缝精细化测量
被引量：
8
2
作者
胡文博
王卫东
汪雯娟
彭俊
吴铮
王劲
邱实
机构
中南大学土木工程学院
中南大学轨道交通基础设施智能监控研究中心
中南大学重载铁路工程结构教育部重点实验室
首都经济贸易大学工商管理学院
出处
《中南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022年第5期1965-1975,共11页
基金
国家自然科学基金资助项目(52178442)
高速铁路基础研究联合基金资助项目(U1734208)
京沪高速铁路股份有限公司科技研究项目(京沪科研-2020-16)。
文摘
提出一种基于宏微观耦合的深度学习算法,实现对复杂图像背景下高速铁路无砟轨道板裂缝宽度的精细化测量。该算法依次从宏观区域、微观边界和几何特征3个层面捕捉裂缝特征并传递处理结果,形成从输入无砟轨道板巡检图像到输出裂缝宽度测量值的精细化映射。首先,在宏观区域层面采用深度目标检测网络预提取裂缝区域,减少与裂缝相似的非目标区域的噪声和污损。然后,在微观边界层面采用深度语义分割网络逐像素地判识裂缝边界。最后,在几何特征层面采用改进的正交投影法计算沿裂缝边界分布的连续宽度,并统计裂缝的最大宽度、最小宽度、平均宽度、中值宽度和标准差等特征指标值。研究结果表明:在复杂图像背景下,基于宏微观耦合的深度学习算法与U-Net等单一像素的算法相比,裂缝边界判识精度提高约15%,达到84.57%;与传统正交投影法相比,裂缝连续宽度的标准差降低90%,裂缝宽度测量的离散性显著降低。研究成果能够更好地适用于噪声、污损等复杂图像背景下高速铁路无砟轨道板裂缝测量,并可得到更接近真实的裂缝宽度。
关键词
无砟轨道板裂缝
机器视觉
深度学习
宏微观耦合
宽度测量
Keywords
ballastless track slab crack
machine vision
deep learning
macro and micro coupling
width measurement
分类号
U216.3 [交通运输工程—道路与铁道工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多目标级联深度学习的无砟轨道板表面裂缝测量
王卫东
吴铮
邱实
彭俊
胡文博
伍定泽
王劲
冉志发
袁啸
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
2
基于宏微观耦合深度学习的高速铁路无砟轨道板表面裂缝精细化测量
胡文博
王卫东
汪雯娟
彭俊
吴铮
王劲
邱实
《中南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
