收藏本站
《电子科技》 2020年09期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于Faster R-CNN的钢轨表面缺陷识别研究

苏烨  李筠  杨海马  刘瑾  江声华  
【摘要】:外界因素常会干扰钢轨表面缺陷检测仪器,导致其精度和效率降低。文中研究了一种基于Faster R-CNN网络检测钢轨表面缺陷的方法。该方法将预处理后的图像进行反转,利用Radon变换实现钢轨图像的投影。投影曲线中,利用钢轨长度为定值且灰度值小于图像平均值的特性,完成对钢轨表面区域的提取。然后通过区域建议网络提取候选区域,并与Fast R-CNN网络的区域建议对比分析,完成Faster R-CNN网络对钢轨的表面缺陷检测。试验数据表明,裂缝、疤痕、磨损和划伤4种缺陷的识别精度分别为92.17%、91.85%、93.45%和93.27%,证明使用该方法能够高效而又准确地识别钢轨的表面缺陷。

知网文化
【相似文献】
中国期刊全文数据库 前13条
1 钟嘉俊;贺德强;苗剑;陈彦君;姚晓阳;;基于改进Faster R-CNN的地铁车辆焊缝缺陷检测[J];铁道科学与工程学报;2020年04期
2 赵万民;曾德文;;荧光磁粉探伤缺陷识别系统的研究现状与关键技术[J];铁道机车车辆工人;2008年08期
3 刘玉婷;张涛;王鑫;金映谷;;基于Faster R-CNN的铁路扣件状态检测研究[J];大连民族大学学报;2020年03期
4 王纪武;罗海保;鱼鹏飞;刘亚凡;;基于Faster R-CNN的铁路接触网鸟巢检测[J];铁道机车车辆;2020年02期
5 李长江;韩志伟;钟俊平;王立有;刘志刚;;基于级联Faster R-CNN的高铁接触网支撑装置等电位线故障检测[J];铁道学报;2019年06期
6 徐岩;陶慧青;虎丽丽;;基于Faster R-CNN网络模型的铁路异物侵限检测算法研究[J];铁道学报;2020年05期
7 尹振远;李振庭;;钢轨表面缺陷的分类及打磨——访斯比诺公司[J];铁道科技动态;1984年01期
8 陈铭逸;李立明;黄建坊;;钢轨表面缺陷非接触检测系统[J];数字技术与应用;2016年12期
9 贺振东;王耀南;刘洁;印峰;;基于背景差分的高铁钢轨表面缺陷图像分割[J];仪器仪表学报;2016年03期
10 庹兴兵;徐志根;;基于HALCON的钢轨表面缺陷检测技术研究[J];铁路计算机应用;2017年11期
11 高军强;刘桂华;;多摄像机线结构光的钢轨表面三维缺陷检测[J];机械设计与制造;2017年03期
12 丁勤;国外钢轨涡流检测技术现状[J];钢铁钒钛;1996年04期
13 ;斯比诺公司的技术报告[J];铁道建筑;1984年10期
中国博士学位论文全文数据库 前2条
1 石甜;基于2D/3D复合机器视觉的三维钢轨表面缺陷检测技术研究[D];武汉科技大学;2017年
2 李金龙;基于PMP的钢轨表面缺陷三维在线测量关键技术研究[D];西南交通大学;2016年
中国硕士学位论文全文数据库 前10条
1 徐振佩;铁路轮对荧光磁粉探伤缺陷识别系统研究[D];南京理工大学;2007年
2 高聪;基于图像处理的接触网旋转双耳缺陷识别[D];西南交通大学;2019年
3 周咏;基于图像处理的钢轨表面缺陷识别研究[D];兰州交通大学;2018年
4 赵思雨;基于HOG特征的跨座式单轨关键部件缺陷识别算法的设计与应用[D];西南交通大学;2018年
5 程天栋;轨检图像中钢轨表面缺陷分析与识别[D];兰州交通大学;2017年
6 李永基;基于图像的轨道表面缺陷识别研究[D];兰州交通大学;2017年
7 殷超;基于机器视觉的轨道缺陷识别方法研究[D];兰州交通大学;2016年
8 郝永兴;基于机器视觉的铁路货车滚动轴承表面缺陷检测技术研究[D];兰州交通大学;2016年
9 于威;钢轨超声波探伤信号的处理及分析[D];哈尔滨理工大学;2013年
10 丁政开;基于机器视觉的钢轨表面缺陷检测技术研究[D];北京交通大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978