-
公开(公告)号：CN108830822A
公开(公告)日：2018-11-16
申请号：CN201810198312.6
申请日：2018-03-12
Applicant: 北京交通大学
Inventor： 魏秀琨 , 李晨亮 , 贾利民 , 魏德华 , 李岩 , 刘玉鑫 , 尹贤贤 , 江思阳 , 杨子明 , 赵利瑞 , 李赛 , 孟鸿飞 , 滕延芹 , 王熙楠 , 李永光 , 崔霆锐
Abstract: 本发明公开了一种基于改进Canny算子的受电弓碳滑板磨耗识别方法，包括：采集车辆运行中受电弓碳滑板的弓头图像；对所述弓头图像进行图像归一化、图像平滑和形态学处理的图像预处理；对所述弓头图像进行边缘检测、直线检测、失真修正、图像裁剪和磨耗曲线拟合以识别所述受电弓碳滑板的边缘磨耗；以所述受电弓碳滑板的磨耗曲线的最高点为参照目标估计所述受电弓碳滑板磨耗曲线的实际磨耗深度，并判断磨耗深度是否超过预定阈值。本发明不仅能够满足实际运营车辆的检修需求，而且整个方法流程可以用于弓网自动监测系统，对受电弓碳滑板磨耗进行实时检测，提升检测的自动化水平，增强车辆运行的安全性，在未来具有很大的应用前景。
-
公开(公告)号：CN108596203A
公开(公告)日：2018-09-28
申请号：CN201810204111.2
申请日：2018-03-13
Applicant: 北京交通大学
Abstract: 本发明公开一种并联池化层对受电弓碳滑板表面磨耗检测模型的优化方法，包括以下步骤：1)采集受电弓滑板表面缺陷图像，并进行图像预处理，得到数据集；其中，所述数据集包含训练数据与测试数据，训练数据包含有标签数据与无标签数据两类；2)在CAFFE框架下搭建半监督卷积神经网络，并利用无标签数据对模型进行训练；3)基于随机池化原理，将原始的池化层换用为并联池化层，对有标签数据与无标签数据差异化采样，完成对基于半监督卷积神经网络受电弓碳滑板表面磨耗检测模型的优化。本发明采用并联池化层对不同属性数据差异化取样，增强了半监督卷积神经网络对无标签数据的利用效率，提升了受电弓碳滑板表面磨耗检测模型的优化效果。
-
公开(公告)号：CN108830822B
公开(公告)日：2022-05-06
申请号：CN201810198312.6
申请日：2018-03-12
Applicant: 北京交通大学
Inventor： 魏秀琨 , 李晨亮 , 贾利民 , 魏德华 , 李岩 , 刘玉鑫 , 尹贤贤 , 江思阳 , 杨子明 , 赵利瑞 , 李赛 , 孟鸿飞 , 滕延芹 , 王熙楠 , 李永光 , 崔霆锐
Abstract: 本发明公开了一种基于改进Canny算子的受电弓碳滑板磨耗识别方法，包括：采集车辆运行中受电弓碳滑板的弓头图像；对所述弓头图像进行图像归一化、图像平滑和形态学处理的图像预处理；对所述弓头图像进行边缘检测、直线检测、失真修正、图像裁剪和磨耗曲线拟合以识别所述受电弓碳滑板的边缘磨耗；以所述受电弓碳滑板的磨耗曲线的最高点为参照目标估计所述受电弓碳滑板磨耗曲线的实际磨耗深度，并判断磨耗深度是否超过预定阈值。本发明不仅能够满足实际运营车辆的检修需求，而且整个方法流程可以用于弓网自动监测系统，对受电弓碳滑板磨耗进行实时检测，提升检测的自动化水平，增强车辆运行的安全性，在未来具有很大的应用前景。
-
公开(公告)号：CN108596203B
公开(公告)日：2022-03-04
申请号：CN201810204111.2
申请日：2018-03-13
Applicant: 北京交通大学
Abstract: 本发明公开一种并联池化层对受电弓碳滑板表面磨耗检测模型的优化方法，包括以下步骤：1)采集受电弓滑板表面缺陷图像，并进行图像预处理，得到数据集；其中，所述数据集包含训练数据与测试数据，训练数据包含有标签数据与无标签数据两类；2)在CAFFE框架下搭建半监督卷积神经网络，并利用无标签数据对模型进行训练；3)基于随机池化原理，将原始的池化层换用为并联池化层，对有标签数据与无标签数据差异化采样，完成对基于半监督卷积神经网络受电弓碳滑板表面磨耗检测模型的优化。本发明采用并联池化层对不同属性数据差异化取样，增强了半监督卷积神经网络对无标签数据的利用效率，提升了受电弓碳滑板表面磨耗检测模型的优化效果。
-
-
-
Search Results
4
records
(took 0.024 seconds)
