-
公开(公告)号：CN106355185A
公开(公告)日：2017-01-25
申请号：CN201610770769.0
申请日：2016-08-30
Applicant: 兰州交通大学
CPC classification number: G06K9/4671 , G06K9/54
Abstract: 本发明公开了一种振动条件下快速提取钢轨表面区域的方法，包括以下步骤：S1图像采集以及预处理；S2图像阈值分割；S3提取钢轨表面区域的连通分量：通过设置阈值分割后二值图像的8邻接连通分量的面积与周长阈值，提取包含钢轨表面区域的连通分量；S4、提取钢轨表面边界直线：采用Hough变换提取轨面边缘图像中存在的直线线段，并删除偏转角度较大的线段；S5提取钢轨表面边界参考点；S6轨面边界直线拟合修正；S7根据修正后的偏转角度对图像进行旋转仿射变换。通过与现有几种典型的轨面提取算法对比，本方法的速度、精度及稳定性均具有明显优势，更适用于高速自动化轨面缺陷分割方法中。
-
公开(公告)号：CN106251361A
公开(公告)日：2016-12-21
申请号：CN201610770736.6
申请日：2016-08-30
Applicant: 兰州交通大学
CPC classification number: G06T7/0004 , G06T5/002 , G06T5/008 , G06T2207/20012 , G06T2207/20032 , G06T2207/20192 , G06T2207/20224 , G06T2207/30136
Abstract: 本发明公开了一种钢轨表面缺陷图像自适应分割方法，包括以下步骤：S1采用行灰度均值逐次累加法提取钢轨区域；S2对钢轨区域图像预处理；S3对钢轨区域图像进行结构区域和非结构区域划分；S4在结构区域利用图像的非局部特征进一步区分缺陷区域和阴影区域；S5根据图像中的不同特征自适应建立背景图像模型；S6图像差分；S7动态阈值分割。利用图像局部信息将图像划分成结构和非结构区域，利用非局部信息自适应调节像素邻域窗口尺寸求取均值，建立准确的背景图像模型，图像差分并动态设定阈值，在凸显图像缺陷部分的同时，有效减弱光照不均和钢轨表面反射特性对钢轨表面缺陷检测产生的影响，获得理想的图像分割效果，保证轨面检测的精度。
-
公开(公告)号：CN105564465A
公开(公告)日：2016-05-11
申请号：CN201510977220.4
申请日：2015-12-23
Applicant: 兰州交通大学
IPC: B61L27/00
Abstract: 本发明公开了一种铁路电务信号设备维护作业卡控系统和方法，该系统包括铁路信号设备在役状态集成化监测子系统、信号设备动态维修方案自动生成子系统和智能APP的移动维护服务卡控子系统，铁路信号设备在役状态集成化监测子系统采集设备在役状态信息与监控数据发送至信号设备动态维修方案自动生成子系统，智能APP的移动维护服务卡控子系统接收工作任务并转发至相应的智能终端，智能终端依据任务互动执行，并将执行结果与卡控信息实时自动反馈给信号设备动态维修方案自动生成子系统；采用本发明的技术防范可以规范化高效化的处理故障、日常检修，并提高与电务调度指挥和协同联动的效率和水平，以适应铁路的高速发展。
-
公开(公告)号：CN103914852A
公开(公告)日：2014-07-09
申请号：CN201410095122.3
申请日：2014-03-14
Applicant: 兰州交通大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于CUDA的DICOM医学影像动态非线性调窗方法，包括读取DICOM格式图像中DICOM图像的像素值信息和DICOM图像的标签信息；设置图像窗口的窗宽和窗位，并将非线性函数用于调窗；基于CUDA采用并行算法计算非线性调窗中的映射方程，计算得出DIB图像的像素数据；根据计算得出的DIB图像的像素数据组成的像素数据组，以及步骤一中的标签信息填充位图结构体，并将构造的位图显示出来；根据显示的位图判断是否需要重新设置调窗的窗宽和窗位，如需要重新设置，则返回步骤二。非线性调窗对图像的显示更加细致，达到图像增强的效果，基于CUDA的并行计算有效缩短了DIB图像生成所用时间，保证了实时性。
-
公开(公告)号：CN117056199B
公开(公告)日：2024-10-18
申请号：CN202310394843.3
申请日：2023-04-13
Applicant: 兰州交通大学
IPC: G06F11/36
Abstract: 本发明公开了一种基于禁忌搜索的列车运行控制系统测试用例生成方法，该方法包括以下步骤：S1、提取临时限速场景的设备故障特征作为故障注入输入参数，分析设备间的约束关系，建立约束满足模型；S2、依据信号设备的特点，改进禁忌搜索算法的初始解生成方式和邻域搜索过程，生成满足约束关系的测试用例。本发明改进了禁忌搜索算法，将其成功应用在组合测试中，解决了初始解质量低、约束致使产生无效测试用例等问题，能够高效减少测试用例生成个数与覆盖组合，可有效缩短测试时间；本发明所提算法在覆盖维度较大、参数较多时，测试用例约简能力和故障检测能力更高，更节约测试成本，测试效率更高。
-
Patent Agency Ranking
公开(公告)号：CN114674827B
公开(公告)日：2024-09-20
申请号：CN202210214466.6
申请日：2022-03-04
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于两阶段深度学习策略的桥梁裂纹检测方法，将分类网络与分割网络相结合，首先利用分类网络对高分辨率桥梁裂纹图像中的裂纹位置进行粗定位，通过对YOLOx的剪枝，将目标检测的回归问题转换为二分类问题，避免卷积神经网络因平移不变性带来的网络性能降低，同时，为提升模型性能，DBCC‑Net中嵌入了全局感知模块，避免传统方法将图像切片而导致切片间信息不共享的问题。然后进行分类网络后处理，包括模型修正和切片聚类；最后利用DDRNet对切片图像进行像素级分割，提取出裂缝完整形态。本发明可用于高分辨率桥梁裂纹图像的像素级快速检测，实现了高效率、高精度的裂纹检测，具有较高实用价值。
-
公开(公告)号：CN117914250A
公开(公告)日：2024-04-19
申请号：CN202410102029.4
申请日：2024-01-25
Applicant: 兰州交通大学
IPC: H02S40/10 , H02S50/00 , B08B5/02 , B08B1/12 , B08B1/34 , B08B3/02 , B08B3/08 , B08B13/00 , B25J11/00 , B62D55/104
Abstract: 本发明涉及光伏发电板清洁技术领域，一种多层级的光伏发电板清洁系统，其特征在于，包括Arduino DUE开发板、多层级清洁系统、清洁质量检测系统、多目标控制系统和自适应底盘系统，所述Arduino DUE开发板与多层级清洁系统、清洁质量检测系统、多目标控制系统和自适应底盘系统通过电性连接；一种多层级的光伏发电板清洁设备，包括两个竖板，所述竖板的底部固定安装有支撑架，支撑架的底部通过转轴转动连接有履带轮，竖板的两侧均固定安装有导轨，导轨的表面卡接有滑块，滑块的一侧固定安装有竖杆，竖杆的顶部固定安装有横板，竖板的顶部固定安装有伸缩杆，伸缩杆的顶部与横板的底部固定连接。
-
公开(公告)号：CN112084690B
公开(公告)日：2024-01-26
申请号：CN202010936606.1
申请日：2020-09-08
Applicant: 兰州交通大学
IPC: G06F30/23 , G06F30/18 , B60M1/20 , G06F119/14 , G06F111/04
Abstract: 到中心锚结绳长度。本发明涉接触网中心锚结技术领域，具体为一种高速铁路长大坡道直线段中心锚结定位方法，其目的是针对现有技术中存在的问题，提供一种高速铁路长大坡道直线段中心锚结定位方法；其针对现有的长大坡道段接触网中心锚结位置计算方法存在计算精度偏低和缺少中心锚结线夹位置的计算方法这两方面的不足，通过引入线路坡度，采用跨距的实测长度，计算吊弦与定位装置位置发生偏移时在沿线路方向造成的线索张力差以及线索的重力在沿线路方向引起的下坡分量；根据得到的张力差和下坡分量计算接
-
公开(公告)号：CN116977280A
公开(公告)日：2023-10-31
申请号：CN202310737035.2
申请日：2023-06-21
Applicant: 兰州交通大学
Abstract: 本发明涉及钢轨表面缺陷检测技术领域，具体涉及基于改进UPerNet与连通域分析的轨面缺陷检测方法，采用具有Transformer架构的Swin‑T网络进行缺陷特征提取，充分利用了图片中的全局信息且避免了归纳性偏好问题，Swin‑T中的规则窗口自注意力降低了模型的参数量。其次，使用跨卡同步批量归一化方式进行了梯度优化，并使用Lovász‑hinge作为损失函数，融入了对像素间的依赖关系的利用。面对复杂的钢轨场景，本发明的改进方法可以实现缺陷的鲁棒分割，解决缺陷边缘的预测精度较低的问题。最后，在轨面缺陷语义分割图的的基础上通过连通域分析区别出其中的不同缺陷区域，并计算出缺陷的实际长度和实际面积，有助于铁路工务人员直观地了解到缺陷参数，进而做出相应的维修。
-
公开(公告)号：CN114674827A
公开(公告)日：2022-06-28
申请号：CN202210214466.6
申请日：2022-03-04
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于两阶段深度学习策略的桥梁裂纹检测方法，将分类网络与分割网络相结合，首先利用分类网络对高分辨率桥梁裂纹图像中的裂纹位置进行粗定位，通过对YOLOx的剪枝，将目标检测的回归问题转换为二分类问题，避免卷积神经网络因平移不变性带来的网络性能降低，同时，为提升模型性能，DBCC‑Net中嵌入了全局感知模块，避免传统方法将图像切片而导致切片间信息不共享的问题。然后进行分类网络后处理，包括模型修正和切片聚类；最后利用DDRNet对切片图像进行像素级分割，提取出裂缝完整形态。本发明可用于高分辨率桥梁裂纹图像的像素级快速检测，实现了高效率、高精度的裂纹检测，具有较高实用价值。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.021 seconds)
