動(dòng)車組是我國(guó)重要的交通工具。近年來(lái),隨著動(dòng)車組的普及和提速,安全問(wèn)題得到人們的關(guān)注。對(duì)動(dòng)車組的異常識(shí)別是動(dòng)車組運(yùn)營(yíng)過(guò)程中的重要環(huán)節(jié)。目前,異常識(shí)別仍以人工為主,人力成本高且需要停車作業(yè),無(wú)法實(shí)現(xiàn)即時(shí)檢測(cè)。本文采用機(jī)器視覺(jué)技術(shù),對(duì)動(dòng)車組車體圖像進(jìn)行采集、處理,實(shí)現(xiàn)了對(duì)動(dòng)車組自動(dòng)智能的異常識(shí)別。整個(gè)檢測(cè)過(guò)程無(wú)需停車,因此效率高實(shí)時(shí)性強(qiáng)。通過(guò)本系統(tǒng)輔助人工作業(yè),可大大降低工作量。本文首先針對(duì)動(dòng)車組車身長(zhǎng)等特點(diǎn)設(shè)計(jì)了動(dòng)車組圖像異常識(shí)別系統(tǒng),并基于MFC框架完成了軟件設(shè)計(jì)。本系統(tǒng)可以完成車體拼接和車體對(duì)齊等一系列操作,通過(guò)與標(biāo)準(zhǔn)動(dòng)車組圖像(無(wú)缺陷的歷史過(guò)車圖像)進(jìn)行結(jié)構(gòu)相似度的比對(duì)完成當(dāng)前過(guò)車的差異檢測(cè),這些差異即為當(dāng)前過(guò)車存在的潛在危險(xiǎn)。然而檢測(cè)出的差異中,大部分是由車體上的水漬、油漬、泥漬和亮度差異等造成的誤報(bào)警。由于誤報(bào)警并不會(huì)對(duì)列車行駛造成危險(xiǎn),因此需要將它們從異常目標(biāo)中去除。由于上述差異沒(méi)有穩(wěn)定的特征并且車體圖像特征提取困難,傳統(tǒng)圖像處理及模式識(shí)別方法在對(duì)誤報(bào)警進(jìn)行識(shí)別時(shí)無(wú)法兼顧到算法的魯棒性和普適性,因此本文將深度學(xué)習(xí)引入到動(dòng)車組圖像異常識(shí)別系統(tǒng)中。與傳統(tǒng)分類任務(wù)不同,差異分類網(wǎng)絡(luò)的...

【文章頁(yè)數(shù)】：94 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 動(dòng)車組安全檢測(cè)研究現(xiàn)狀
        1.2.2 卷積神經(jīng)網(wǎng)絡(luò)模型的發(fā)展
        1.2.3 網(wǎng)絡(luò)模型優(yōu)化方法的發(fā)展
        1.2.4 梯度下降算法的發(fā)展
    1.3 本文主要研究?jī)?nèi)容
    1.4 本文章節(jié)安排
第2章 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
    2.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)
        2.1.1 神經(jīng)元模型
        2.1.2 BP神經(jīng)網(wǎng)絡(luò)
        2.1.3 激活函數(shù)
        2.1.4 誤差反向傳播算法
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)的誤差反向傳播
    2.3 基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)
        2.3.1 區(qū)域卷積網(wǎng)絡(luò)R-CNN
        2.3.2 YOLO檢測(cè)網(wǎng)絡(luò)
        2.3.3 單次檢測(cè)器SSD
    2.4 本章小結(jié)
第3章 動(dòng)車組圖像異常識(shí)別系統(tǒng)設(shè)計(jì)
    3.1 圖像采集系統(tǒng)介紹
    3.2 車體對(duì)齊
        3.2.1 車體粗略對(duì)齊
        3.2.2 車體精確對(duì)齊
    3.3 車體比對(duì)
    3.4 軟件設(shè)計(jì)
    3.5 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的差異分類
    4.1 差異分類簡(jiǎn)介
    4.2 差異分類網(wǎng)絡(luò)
        4.2.1 差異分類網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 網(wǎng)絡(luò)細(xì)節(jié)設(shè)計(jì)
        4.2.3 多形狀訓(xùn)練與預(yù)處理
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 數(shù)據(jù)集介紹
        4.3.2 差異分類網(wǎng)絡(luò)性能對(duì)比
        4.3.3 串行網(wǎng)絡(luò)優(yōu)化實(shí)驗(yàn)
        4.3.4 數(shù)據(jù)預(yù)處理實(shí)驗(yàn)
        4.3.5 多形狀訓(xùn)練實(shí)驗(yàn)
        4.3.6 實(shí)驗(yàn)分析
    4.4 本章小結(jié)
第5章 車底關(guān)鍵部件的異常識(shí)別
    5.1 基于圖像處理的關(guān)鍵部件異常識(shí)別
        5.1.1 吊桿的異常識(shí)別
        5.1.2 軸報(bào)箱的異常識(shí)別
        5.1.3 芯盤(pán)的異常識(shí)別
    5.2 基于卷積神經(jīng)網(wǎng)絡(luò)的螺栓檢測(cè)
        5.2.1 數(shù)據(jù)集介紹及場(chǎng)景學(xué)習(xí)
        5.2.2 基于Faster R-CNN的螺栓檢測(cè)實(shí)驗(yàn)
        5.2.3 基于YOLO的螺栓檢測(cè)實(shí)驗(yàn)
    5.3 本章小結(jié)
總結(jié)與展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表論文



本文編號(hào)：3913090