原文传递
基于机器视觉的CRTSⅡ型轨道板裂缝检测技术研究
| 论文题名： | 基于机器视觉的CRTSⅡ型轨道板裂缝检测技术研究 |
| 关键词： | 轨道安全;深度学习;CRTSⅡ型板式轨道;裂缝检测;浅层卷积网络 |
| 摘要： | 随着我国经济的飞速发展，我国加大了对基础设施的建设，其中高速铁路作为交通运输的重要组成部分，迎来了发展的契机。轨道安全作为高速铁路正常运营的必要条件之一，涉及广大人民群众的基本利益，其中轨道板裂缝是轨道安全中的重点隐患。目前CRTSⅡ型板式轨道作为我国高速铁路中铺设最长的一种无砟轨道，该类型的轨道板裂缝检测安全问题成为热点话题。由于存在夜间弱光环境下图像对比度低、图片采集困难等问题，使得对轨道板裂缝检测的工作成为了一个难点，并且在进行轨道板裂缝检测时，交叉裂缝和细小裂缝也是其中一个难以克服的困难。针对上述存在的问题，本文在综合分析国内外研究发展的基础上，对基于机器视觉的CRTSⅡ型轨道板裂缝检测技术进行了充分研究，主要内容如下： (1)为解决YOLO网络对微小裂缝检测效果较差的问题。本文用1*1卷积层代替了原有网络中的全连接层，同时将YOLO网络中浅层卷积网络提取的低层特征和深层卷积网络中提取的抽象语义特征相叠加，以提升对微小裂缝的检测效果。 (2)为解决YOLO网络对交叉裂缝检测效果较差的问题。本文在原有网络基础之上加入了锚框机制，并对其进行优化，以形成六种面积差值相同的锚框，从而提高了网络表达力，增强了对交叉裂缝的检测效果。 (3)为验证CRTSⅡ型轨道板裂缝的有效性。本文开发基于CRTSⅡ型轨道板的裂缝检测系统，此系统可较好的将本文改进的算法、用户界面和图像处理三者相结合，具有良好的集成度和扩展性，并且将其应用到实际的轨道板裂缝检测环境中，取得了良好的检测效果。 |
| 作者： | 沈子豪 |
| 专业： | 安全工程 |
| 导师： | 李文举;高小嵩 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海应用技术大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
