基于卷积神经网络的铁轨伤损检测研究

作     者：王锐 来文豪 李仲强 WANG Rui;LAI Wen-hao;LI Zhong-qiang

作者机构：安徽理工大学电气与信息工程学院安徽淮南232001 

基　　金：国家自然科学基金(51604011) 安徽省高校优秀青年人才支持计划重点项目(gxyqZD2016082) 

出 版 物：《河南城建学院学报》 (Journal of Henan University of Urban Construction)

年 卷 期：2018年第27卷第6期

页      码：71-76页

摘      要：针对铁轨伤损检测时人工识别主观性较强且效率低下问题,提出一种基于LeNet卷积神经网络算法的深度学习模型进行铁轨伤损图像的识别方法。本文通过批量归一化方法设计卷积神经网络,以Sigmoid为激活函数,Max-pooling为池化法,并采用Softmax回归分类器,对卷积神经网络结构进行优化。通过卷积神经网络,对分类铁轨检测图像进行训练和检测,得到实时位置。实验结果表明,该方法对实际伤损识别率最高达96. 25%,可以有效避免人工识别带来的问题,并且该方法的准确率高于BP神经网络和支持向量机,为解决铁轨伤损检测问题提供了依据。

主 题 词：卷积神经网络 铁轨伤损 图像识别 机器视觉 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.14140/j.cnki.hncjxb.2018.06.012

馆 藏 号：203453518...