基于深度学习的钢轨伤损智能识别方法
作者机构：北京交通大学交通运输学院北京100044 中国铁道科学研究院集团有限公司基础设施检测研究所北京100081
基 金：国家重点研发计划项目(2016YFF0103701)
出 版 物：《中国铁道科学》 (China Railway Science)
年 卷 期：2018年第39卷第5期
页 码：51-57页
摘 要：基于钢轨探伤车检测数据通道设计、B显数据生成原理和钢轨伤损分类,对比钢轨探伤车检测数据伤损识别与普通图像识别特点的不同,将检测数据视为由16个通道二进制矩阵叠加成的图像;设计包含1个输入层、3个卷积层、3个池化层、2个全连接层、1个输出层的深度学习架构,并通过噪声和通道预处理,将钢轨伤损的"物体检测"问题转换为"分类"问题。以某地人造钢轨伤损检测数据扩充后作为训练集,得到基于深度学习的钢轨伤损智能识别模型,以另一地的人造钢轨伤损检测数据作为测试数据分析该模型的识别效果,并与钢轨探伤车既有系统识别结果和人工分析结果进行对比。结果表明:基于深度学习的钢轨伤损智能识别模型在准确率、误报率指标上均优于钢轨探伤车既有系统,达到人工分析的指标要求,提高了准确率。
主 题 词：钢轨 超声波 探伤 深度学习 卷积神经网络 钢轨伤损识别
学科分类：08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类]
核心收录：
D O I：10.3969/j.issn.1001-4632.2018.05.07
馆 藏 号：203374234...
