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
3
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
基于聚类算法的钢轨内部伤损检测与分类
1
作者
吴福培
周旭
李昇平
《铁道学报》
北大核心
2025年第8期134-142,共9页
准确检测钢轨内部伤损对确保列车的运行安全具有重要意义。为提高钢轨内部伤损智能检测的学习能力,提出一种基于聚类算法的钢轨内部伤损检测与分类方法。首先,通过分析B型图像噪声特征提出基于游程编码的噪声去除方法,有效去除噪声并保...
准确检测钢轨内部伤损对确保列车的运行安全具有重要意义。为提高钢轨内部伤损智能检测的学习能力,提出一种基于聚类算法的钢轨内部伤损检测与分类方法。首先,通过分析B型图像噪声特征提出基于游程编码的噪声去除方法,有效去除噪声并保留关键信息。其次,基于轨头、轨腰、轨底三个区域常见伤损特征的分布规律,提出一种基于多维特征融合的聚类算法(CMF),以实现对钢轨内部伤损的准确分类。最后,由开发的伤损检测仪采集的76张钢轨B型图像进行伤损检测和分类,评估所提方法的准确性。实验结果表明,样品集所含的1554个伤损中,本文所提出方法的平均检测分类正确率为97.55%,漏检率为1.93%,其中轨头区域、轨腰区域和轨底区域的伤损检测正确率分别为99.03%、96.21%和97.99%,而对应漏检率分别为0.72%、2.79%和2.01%,实验结果验证了所提方法的有效性。
展开更多
关键词
钢轨内部伤损
缺陷检测
聚类算法
噪声去除
在线阅读
下载PDF
职称材料
基于Anchors设计和模型迁移的钢轨内部伤损检测方法
被引量:
3
2
作者
吴福培
谢晓扬
+2 位作者
黄耿楠
吴涛
李昇平
《铁道学报》
EI
CAS
CSCD
北大核心
2023年第10期112-119,共8页
钢轨内部伤损的准确检测是保障列车安全运行的重要环节,如何提高伤损检测算法的泛化能力和鲁棒性是当前自动检测该类伤损面临的主要问题。为此,提出一种基于Anchors设计和模型迁移的钢轨内部伤损检测方法。首先,采用图像数据增强技术扩...
钢轨内部伤损的准确检测是保障列车安全运行的重要环节,如何提高伤损检测算法的泛化能力和鲁棒性是当前自动检测该类伤损面临的主要问题。为此,提出一种基于Anchors设计和模型迁移的钢轨内部伤损检测方法。首先,采用图像数据增强技术扩充现有图像数据集,获取适量的训练样本。其次,设计以交并比为距离度量的K-means聚类算法获取新的Anchors多维度约束,提高伤损检测精度。最后,在基于改进Faster R-CNN模型的迁移学习方法基础上,训练所提的钢轨伤损检测模型。试验结果表明,本文检测方法所得精确率、召回率和F 1值均达到99%,对不同类型的内部伤损取得了较好的检测效果;与现有方法相比,本文所提方法的识别准确率高、误报率低,可有效检测钢轨内部伤损。
展开更多
关键词
钢轨内部伤损
缺陷检测
深度学习
Faster
R-CNN
模型迁移
在线阅读
下载PDF
职称材料
基于深度学习的钢轨伤损超声检测与分类
被引量:
21
3
作者
胡文博
邱实
+2 位作者
许馨月
魏晓
王卫东
《铁道学报》
EI
CAS
CSCD
北大核心
2021年第4期108-116,共9页
钢轨内部伤损的实时检测与治理将有效地降低事故发生的风险。人工物探方法费时费力;超声检测技术能够实时地探查钢轨的内部状态,但伤损的辨识仍依赖于人工或图像处理技术逐个手动处理,易漏检或错检。提出一种新的基于深度学习的钢轨内...
钢轨内部伤损的实时检测与治理将有效地降低事故发生的风险。人工物探方法费时费力;超声检测技术能够实时地探查钢轨的内部状态,但伤损的辨识仍依赖于人工或图像处理技术逐个手动处理,易漏检或错检。提出一种新的基于深度学习的钢轨内部伤损超声检测数据后处理方法以实现伤损识别和分类的自动化,并从数据,方法和干扰因素三个方面对分类效果进行验证和评价。结果表明:Resnet-50深度残差网络对五类标签的分类准确率达到了99.3%,F1分数分别为99.24%(轨头核伤),98.5%(轨腰裂缝),99%(轨底裂缝),99.75%(钢轨连接处)和100%(正常),并对杂波干扰具有良好的鲁棒性,优于三种机器学习方法,保障了钢轨内部伤损检测与治理的实时、精准和高效。
展开更多
关键词
钢轨内部伤损
超声检测
深度学习
图像分类
在线阅读
下载PDF
职称材料
题名
基于聚类算法的钢轨内部伤损检测与分类
1
作者
吴福培
周旭
李昇平
机构
汕头大学智能制造技术教育部重点实验室
重庆市云阳职业教育中心
出处
《铁道学报》
北大核心
2025年第8期134-142,共9页
基金
国家自然科学基金(61573233)
广东省自然科学基金(2021A1515010661)。
文摘
准确检测钢轨内部伤损对确保列车的运行安全具有重要意义。为提高钢轨内部伤损智能检测的学习能力,提出一种基于聚类算法的钢轨内部伤损检测与分类方法。首先,通过分析B型图像噪声特征提出基于游程编码的噪声去除方法,有效去除噪声并保留关键信息。其次,基于轨头、轨腰、轨底三个区域常见伤损特征的分布规律,提出一种基于多维特征融合的聚类算法(CMF),以实现对钢轨内部伤损的准确分类。最后,由开发的伤损检测仪采集的76张钢轨B型图像进行伤损检测和分类,评估所提方法的准确性。实验结果表明,样品集所含的1554个伤损中,本文所提出方法的平均检测分类正确率为97.55%,漏检率为1.93%,其中轨头区域、轨腰区域和轨底区域的伤损检测正确率分别为99.03%、96.21%和97.99%,而对应漏检率分别为0.72%、2.79%和2.01%,实验结果验证了所提方法的有效性。
关键词
钢轨内部伤损
缺陷检测
聚类算法
噪声去除
Keywords
internal defect of rail
defect detection
clustering algorithm
denoising algorithm
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Anchors设计和模型迁移的钢轨内部伤损检测方法
被引量:
3
2
作者
吴福培
谢晓扬
黄耿楠
吴涛
李昇平
机构
汕头大学工学院
广州特种机电设备检测研究院
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2023年第10期112-119,共8页
基金
国家自然科学基金(61573233)
广东省自然科学基金(2021A1515010661)
广东省普通高校重点领域专项(2020ZDZX2005)。
文摘
钢轨内部伤损的准确检测是保障列车安全运行的重要环节,如何提高伤损检测算法的泛化能力和鲁棒性是当前自动检测该类伤损面临的主要问题。为此,提出一种基于Anchors设计和模型迁移的钢轨内部伤损检测方法。首先,采用图像数据增强技术扩充现有图像数据集,获取适量的训练样本。其次,设计以交并比为距离度量的K-means聚类算法获取新的Anchors多维度约束,提高伤损检测精度。最后,在基于改进Faster R-CNN模型的迁移学习方法基础上,训练所提的钢轨伤损检测模型。试验结果表明,本文检测方法所得精确率、召回率和F 1值均达到99%,对不同类型的内部伤损取得了较好的检测效果;与现有方法相比,本文所提方法的识别准确率高、误报率低,可有效检测钢轨内部伤损。
关键词
钢轨内部伤损
缺陷检测
深度学习
Faster
R-CNN
模型迁移
Keywords
internal defects in rails
defect detection
deep learning
Faster R-CNN
model transfer
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
基于深度学习的钢轨伤损超声检测与分类
被引量:
21
3
作者
胡文博
邱实
许馨月
魏晓
王卫东
机构
中南大学土木工程学院
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
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2021年第4期108-116,共9页
基金
国家自然科学基金(U1734208)
贵州省科技计划(黔科合支撑[2018]2154)。
文摘
钢轨内部伤损的实时检测与治理将有效地降低事故发生的风险。人工物探方法费时费力;超声检测技术能够实时地探查钢轨的内部状态,但伤损的辨识仍依赖于人工或图像处理技术逐个手动处理,易漏检或错检。提出一种新的基于深度学习的钢轨内部伤损超声检测数据后处理方法以实现伤损识别和分类的自动化,并从数据,方法和干扰因素三个方面对分类效果进行验证和评价。结果表明:Resnet-50深度残差网络对五类标签的分类准确率达到了99.3%,F1分数分别为99.24%(轨头核伤),98.5%(轨腰裂缝),99%(轨底裂缝),99.75%(钢轨连接处)和100%(正常),并对杂波干扰具有良好的鲁棒性,优于三种机器学习方法,保障了钢轨内部伤损检测与治理的实时、精准和高效。
关键词
钢轨内部伤损
超声检测
深度学习
图像分类
Keywords
internal defect of rail
ultrasonic detection
deep learning
image classification
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
基于聚类算法的钢轨内部伤损检测与分类
吴福培
周旭
李昇平
《铁道学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于Anchors设计和模型迁移的钢轨内部伤损检测方法
吴福培
谢晓扬
黄耿楠
吴涛
李昇平
《铁道学报》
EI
CAS
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
3
基于深度学习的钢轨伤损超声检测与分类
胡文博
邱实
许馨月
魏晓
王卫东
《铁道学报》
EI
CAS
CSCD
北大核心
2021
21
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