公开(公告)号：CN114882336B

公开(公告)日：2024-04-26

申请号：CN202210548162.3

申请日：2022-05-18

Applicant: 湖北工业大学

Inventor： 孙国栋 ,  潘慧琳 ,  熊晨韵 ,  张杨 ,  贾俊杰 ,  程乐 ,  周洋 ,  黄得龙 ,  杨雄

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/766 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0985 ,  G06N3/048

Abstract: 本发明提供一种列车制动系统故障图像的端到端实时检测方法，包括采集列车制动系统图像并制作带有标注的训练图像数据库；通过骨干网络提取训练图像的多尺度特征；通过故障特征金字塔FFP对多尺度特征进行特征融合，所述故障特征金字塔结构FFP包括故障增强注意力模块FEA、故障瓶颈模块FBM和空洞故障瓶颈模块DFB；根据融合特征结果，通过检测头对故障进行定位和分类，然后使用损失函数训练实时端到端视觉检测器；图像故障识别，通过训练好的实时端到端视觉检测器对待检测的图像进行故障识别。本发明的有益效果是能够精确快速地检测出货运列车制动系统是否存在故障，并对故障类型进行判断。

公开(公告)号：CN116580192A

公开(公告)日：2023-08-11

申请号：CN202310419882.4

申请日：2023-04-18

Applicant: 湖北工业大学

Inventor： 孙国栋 ,  熊晨韵 ,  刘俊杰 ,  鲁志恒 ,  张杨 ,  潘慧琳 ,  贾俊杰

IPC: G06V10/26 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应上下文感知网络的RGB‑D语义分割方法及系统，首先构建自适应上下文感知网络；然后使用编码器的RGB分支和深度分支，分别提取待处理图像的RGB图像的通道特征和深度图的深度特征，进行降采样，获得具有压缩分辨率的特征图；接着利用自适应金字塔上下文模块提取编码器的信息，使用轻量级解码器对来自自适应金字塔上下文模块的信息进行上采样，并使用轻量级残差单元来提高推理速度；最后利用三个跳跃连接层将来自注意融合模块的三层特征分别融合进轻量级解码器的三个层中，经过卷积后输出分割结果。本发明能够实现分割精度高、推理速度快和模型参数小的RGB‑D语义分割。

公开(公告)号：CN114882336A

公开(公告)日：2022-08-09

申请号：CN202210548162.3

申请日：2022-05-18

Applicant: 湖北工业大学

Inventor： 孙国栋 ,  潘慧琳 ,  熊晨韵 ,  张杨 ,  贾俊杰 ,  程乐 ,  周洋 ,  黄得龙 ,  杨雄

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种列车制动系统故障图像的端到端实时检测方法，包括采集列车制动系统图像并制作带有标注的训练图像数据库；通过骨干网络提取训练图像的多尺度特征；通过故障特征金字塔FFP对多尺度特征进行特征融合，所述故障特征金字塔结构FFP包括故障增强注意力模块FEA、故障瓶颈模块FBM和空洞故障瓶颈模块DFB；根据融合特征结果，通过检测头对故障进行定位和分类，然后使用损失函数训练实时端到端视觉检测器；图像故障识别，通过训练好的实时端到端视觉检测器对待检测的图像进行故障识别。本发明的有益效果是能够精确快速地检测出货运列车制动系统是否存在故障，并对故障类型进行判断。