本文關(guān)鍵詞：基于深度神經(jīng)網(wǎng)絡(luò)的鐵路異物檢測算法

  更多相關(guān)文章： 深度神經(jīng)網(wǎng)絡(luò) 異物檢測 受限玻爾茲曼機 貪婪算法

【摘要】：對入侵到鐵路限界內(nèi)的異物進行準確地檢測,一直以來都是軌道交通領(lǐng)域的一個重要課題,在實踐和科研領(lǐng)域都具有持久的研究熱度。尤其是隨著高速鐵路技術(shù)的不斷深入,我國高速鐵路建設(shè)的不斷發(fā)展,設(shè)計一種識別性能優(yōu)異、可靠性高、能夠應(yīng)用于實際鐵路運營的檢測算法,更是具有重要意義。目前而言,傳統(tǒng)基于視頻技術(shù)的異物檢測算法依賴于背景幀差方式,易受場景和光線變化的干擾,錯檢率較高,無法滿足鐵路現(xiàn)場長期在線檢測的需求。而深度神經(jīng)網(wǎng)絡(luò)作為一種近年來新興的機器學習算法,具有較傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)更復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)、更優(yōu)秀的特征提取方式和網(wǎng)絡(luò)訓練方式,在圖像領(lǐng)域表現(xiàn)出了強大的處理能力。本文以鐵路線路是否被列車占用為研究任務(wù),設(shè)計了基于深度神經(jīng)網(wǎng)絡(luò)的檢測算法,并以實際鐵路場景圖像作為網(wǎng)絡(luò)樣本,研究了深度神經(jīng)網(wǎng)絡(luò)算法的優(yōu)化方式以及算法的泛化性能。首先,在鐵路現(xiàn)場采集的視頻的基礎(chǔ)上,用傳統(tǒng)檢測方式設(shè)計了自動分類算法,結(jié)合人工校核構(gòu)建出了數(shù)量豐富且準確分類的圖像數(shù)據(jù)庫；隨后,設(shè)計五層的深度信念網(wǎng)絡(luò),實現(xiàn)了算法對于圖像的識別功能,并通過單相機的圖像研究了算法對于鐵路場景圖像的結(jié)構(gòu)及參數(shù)優(yōu)化方法,較好地實現(xiàn)了預(yù)期的識別任務(wù)；最后,使用不同相機的圖像,研究測試了算法的泛化性能,通過調(diào)整訓練樣本及網(wǎng)絡(luò)結(jié)構(gòu)的方式,驗證了算法具有較好的泛化性能。本文通過使用深度神經(jīng)網(wǎng)絡(luò)的方式,改變了原先固有的異物檢測模式,代之以場景圖像直接分類判斷,規(guī)避了檢測提取方法的種種誤差和不足,在對實際場景視頻的測試中取得了良好的效果,表明算法具有較好的識別能力和實用意義。
【關(guān)鍵詞】：深度神經(jīng)網(wǎng)絡(luò) 異物檢測 受限玻爾茲曼機 貪婪算法
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U298;TP183
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-10
• 1 緒論10-22
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-19
• 1.2.1 鐵路異物檢測研究現(xiàn)狀12-15
• 1.2.2 深度神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀15-19
• 1.2.3 研究現(xiàn)狀分析19
• 1.3 本文研究內(nèi)容及章節(jié)安排19-22
• 1.3.1 本文的研究內(nèi)容19-20
• 1.3.2 本文的章節(jié)安排20-22
• 2 算法結(jié)構(gòu)設(shè)計22-26
• 2.1 設(shè)計方案概述22-23
• 2.2 數(shù)據(jù)庫及算法設(shè)計23-25
• 2.2.1 數(shù)據(jù)庫23-24
• 2.2.2 算法設(shè)計24-25
• 2.3 本章小結(jié)25-26
• 3 基于DBN的檢測算法設(shè)計26-62
• 3.1 檢測算法概述26-27
• 3.2 訓練樣本及其預(yù)處理27-32
• 3.2.1 建立訓練樣本集27-29
• 3.2.2 樣本圖像預(yù)處理29-32
• 3.3 檢測算法設(shè)計32-51
• 3.3.1 深度神經(jīng)網(wǎng)絡(luò)32-36
• 3.3.2 網(wǎng)絡(luò)預(yù)訓練36-49
• 3.3.3 參數(shù)微調(diào)49-51
• 3.4 算法實驗及其結(jié)果分析51-60
• 3.4.1 全場景實驗52-56
• 3.4.2 區(qū)域場景實驗56-58
• 3.4.3 誤判率和漏判率58-60
• 3.5 本章小結(jié)60-62
• 4 算法泛化性能研究62-70
• 4.1 不同場景獨立實驗62-66
• 4.1.1 數(shù)據(jù)預(yù)處理62-63
• 4.1.2 算法實驗63-66
• 4.2 混合場景實驗66-68
• 4.3 本章小結(jié)68-70
• 5 結(jié)論70-72
• 5.1 工作總結(jié)70-71
• 5.2 研究展望71-72
• 參考文獻72-76
• 作者簡歷76-80
• 學位論文數(shù)據(jù)集80

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫旭東;韓東海;;食品安全與異物檢測技術(shù)開始流行[J];中外食品;2006年01期

2 ;交流食品生產(chǎn)中排除異物的解決方案 海富成功舉辦異物檢測研討會[J];飲料工業(yè);2009年03期

3 馮瓊丹;;食品異物檢測技術(shù)研究現(xiàn)狀[J];江蘇調(diào)味副食品;2009年03期

4 ;食品原材料的異物檢測方案[J];食品安全導(dǎo)刊;2011年04期

5 杜楓;;淺談大米X光異物檢測[J];農(nóng)業(yè)機械;2013年26期

6 唐向陽,張勇,關(guān)宏,黃崗;煙草異物剔除系統(tǒng)的原理與結(jié)構(gòu)[J];機械;2003年03期

7 馬永嬌;;X射線異物檢測時代悄然來臨[J];食品安全導(dǎo)刊;2008年04期

8 申海鵬;;高晶GJ-XF X射線食品異物檢測機[J];食品安全導(dǎo)刊;2012年04期

9 繆惟民;;交流食品生產(chǎn)中排除異物的解決方案海富成功舉辦異物檢測研討會[J];包裝與食品機械;2009年02期

10 ;IP69-K級保護結(jié)構(gòu):為X射線異物檢測系統(tǒng)和檢重秤保駕護航[J];食品安全導(dǎo)刊;2011年04期

中國重要報紙全文數(shù)據(jù)庫 前4條

1 王彤;確保食品衛(wèi)生“異物檢測”勢在必行[N];中國食品質(zhì)量報;2004年

2 記者 繆惟民;食品生產(chǎn)中排除異物的解決方案[N];中國包裝報;2009年

3 記者 張麗麗;X射線異物檢測機 食品異物“照妖鏡”[N];中國食品報;2011年

4 劉吉成 特約記者 顧瀚文;先進技術(shù)為戰(zhàn)鷹護航[N];解放軍報;2012年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 楊福剛;輸液中微小異物目標視覺檢測技術(shù)研究[D];山東大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 王丹丹;面向液劑異物檢測的智能相機的研究與實現(xiàn)[D];西安建筑科技大學;2015年

2 魏健雄;導(dǎo)電性包裝材料內(nèi)的金屬異物檢測研究[D];大連理工大學;2015年

3 鄒單紅;基于差分圖像的機場跑道異物檢測算法的應(yīng)用研究[D];電子科技大學;2014年

4 劉文祺;基于深度神經(jīng)網(wǎng)絡(luò)的鐵路異物檢測算法[D];北京交通大學;2016年

5 黃超靈;基于圖像處理的瓶裝液體異物檢測研究[D];廣東工業(yè)大學;2008年

6 尹華;制筆生產(chǎn)中復(fù)雜模具異物檢測算法研究[D];浙江理工大學;2012年

7 王永亮;面向高速鐵路的軌道異物檢測研究[D];北京交通大學;2011年

8 張敏;基于移動機器人視覺的道路異物檢測方法研究[D];沈陽理工大學;2012年

9 邱瑋;安瓿藥液可見異物檢測算法研究[D];廣東工業(yè)大學;2015年

10 王美珍;基于圖像處理的大輸液中可見異物檢測方法研究[D];湖南師范大學;2012年

，

本文編號：624424