钢架桥螺栓识别模型训练方法、识别处理方法及系统

    公开(公告)号:CN118644654A

    公开(公告)日:2024-09-13

    申请号:CN202410562248.0

    申请日:2024-05-08

    Abstract: 本发明提供一种钢架桥螺栓识别模型训练方法、识别处理方法及系统,属于基于深度学习的图像处理技术领域,获取钢架桥螺栓图像;使用钢架桥螺栓识别模型对获取的钢架桥螺栓图像进行处理,得到图像中螺栓类型的结果。模型的训练中,针对钢架桥螺栓缺失的密集小目标检测问题,应用基于高斯感受野的分层标签分配策略来检测螺栓目标,其中,利用特征感受野服从高斯分布的先验信息,使用感受野距离来直接测量高斯感受野和目标之间的相似性,实现对螺栓目标的平衡学习。本发明可以在不影响钢架桥运行的情况下,及时准确的检测出钢结构桥梁螺栓的异常情况,减少了人工的工作量,提升了测量的精确度,增加了维护工作安排的灵活性。

    一种用于无人机铁路巡检的轨道线全角度识别方法

    公开(公告)号:CN116206224B

    公开(公告)日:2024-01-02

    申请号:CN202310237334.X

    申请日:2023-03-06

    Abstract: 本发明提供一种用于无人机铁路巡检的轨道线全角度识别方法,将获取的训练样本图像输入到基于投影长度判别的锚自适应的双分支铁路轨道检测网络,并且在平衡转置协同训练策略和转置一致性损失函数的引导下,通过投影长度加权的方式对双分支铁路轨道检测网络的两个分支的损失进行权重分配,训练双分支铁路轨道检测网络;将测试样本图像输入到训练后的双分支铁路轨道检测网络中,获得由双分支铁路轨道检测网络中两个不同分支预测生成的两种轨道线目标;对两种轨道线目标进行投影长度判别,将投影长度较大的一种轨道线目标作为轨道线检测结果。本发明提供的方法能够实现包括水平和竖直两种极端角度下的无人机铁路航拍影像中全角度轨道线的识别。

    一种基于fast kurtogram和深度残差学习的变工况轴承故障诊断方法

    公开(公告)号:CN111122161B

    公开(公告)日:2021-06-08

    申请号:CN201911346761.1

    申请日:2019-12-24

    Abstract: 本发明属于机械零部件故障诊断技术领域,具体涉及一种基于fast kurtogram和深度残差学习的变工况轴承故障诊断方法。该方法将振动加速度信号通过快速谱峭度图方法转换成一系列谱峭度图,并处理后制成包括训练集测试集和验证集的数据集,构建基于残差块和深度卷积神经网络的深度残差网络,利用数据集训练所述深度残差网络,得到训练完成的轴承健康状态分类模型,采用轴承健康状态分类模型能够对待测信号进行轴承健康状态的诊断。本发明所述方法生成的特征,也就是谱峭度图基本上不受噪声干扰,而且同一故障在不同运行条件下的谱峭度图具有相当的相似性;在分类器方面,采用深度残差学习技术,利用其强大的特征自学习特性,进一步增强了该方法对噪声和不同工况的鲁棒性。

    一种基于自适应多分类马氏田口方法的旋转机械故障诊断方法

    公开(公告)号:CN109297711B

    公开(公告)日:2019-11-22

    申请号:CN201811069890.6

    申请日:2018-09-13

    Abstract: 本发明涉及一种基于自适应多分类马氏田口方法的旋转机械故障诊断方法。首先,进行小波去噪和EMD将旋转机械振动信号分解成多个固有模态函数(IMF);然后,使用SVD对每一个IMF分量的初始特征矩阵进行奇异值分角,将得到的奇异值作为信号的特征向量。最后,对多分类马氏田口方法进行自适应改进,将新方法作为故障诊断的分类器。本发明的方法能够精准地对故障进行识别和分类,识别正确率高,方法可靠。

    一种基于Decouple-YOLO的列车轨道扣件缺失识别方法

    公开(公告)号:CN119693605A

    公开(公告)日:2025-03-25

    申请号:CN202411491240.6

    申请日:2024-10-24

    Abstract: 本发明提供了一种基于Decouple‑YOLO的列车轨道扣件缺失识别方法。该方法包括:对待识别的列车轨道扣件图像数据进行头部检测和解耦操作,获取检测头部的特征;将检测头部的特征图输入到RepVGG骨干网络,输出通过RepVGG骨干网络提取的图像特征;将检测头部的特征图和所述RepVGG骨干网络提取的图像特征输入到基于ShuffleNetv2的骨干网络,基于ShuffleNetv2的骨干网络输出列车轨道扣件缺失识别结果。本发明针对无人机巡检应用场景对检测头部进行解耦操作解决分类与回归任务之间的冲突,提升模型的检测精度和检测速度,从而提升整体检测性能。本发明以Repblock‑C3模块作为骨干网络,搭配解耦检测头部的模型在模型大小和参数量减小的情况下,检测精度得到进一步提升。

    基于最优传输理论的图像数据扩充方法及系统

    公开(公告)号:CN117934983A

    公开(公告)日:2024-04-26

    申请号:CN202311719966.6

    申请日:2023-12-14

    Abstract: 本发明提供一种基于最优传输理论的图像数据扩充方法及系统,属于图像处理技术领域,将自编码器与最优传输理论相结合,把图像生成的第二个任务:概率分布转换使用最优传输理论进行替换。由自编码器完成流形学习,最优传输映射完成概率分布转换。本发明使用蒙特卡洛方法建立了半离散最优传输映射网络,该网络将连续的白噪声分布映射为数据在隐空间内离散的分布,解决神经网络使用连续映射逼近不连续分布的问题。最后,对本发明提出的基于最优传输理论的图像数据扩充方法生成的的图像数据进行测试与分析,本发明解决了图像生成中出现的模式崩溃与模式混杂问题,通过测试结果分析验证了本发明的有效性。

    一种面向无人机自动化铁路巡检的实时轨道识别方法

    公开(公告)号:CN116469017A

    公开(公告)日:2023-07-21

    申请号:CN202310339717.8

    申请日:2023-03-31

    Abstract: 本发明提供一种面向无人机自动化铁路巡检的实时轨道识别方法,提出了一种基于投影长度判别(RRM‑PLD)的通用自适应轨道表征方法。该方法总是可以选择最佳的表征方向,即横向或纵向,来表征任何一种轨道。借助该方法,提出了一种全新的实时轨道识别网络架构TriRNet。在TriRNet中,提出了一种设计的跨轨道注意机制来融合单个轨道的局部特征和所有轨道的全局特征,并最终以回归的方式准确判别出图像中轨道的几何分布,从而提高最终识别精度。大量的实验已经验证了所提出的方法在推理延迟和识别准确度方面的有效性和优越性。

    一种铁路轨道区域分割提取的方法

    公开(公告)号:CN111144418B

    公开(公告)日:2022-12-02

    申请号:CN201911417328.2

    申请日:2019-12-31

    Abstract: 本发明提供的一种铁路轨道区域分割提取的方法,首先利用无人机搭载可见光相机采集铁路沿线场景地物图像,并将其制作为数据集,然后构建铁路沿线场景分割模型,并利用制作好的训练集对构建的网络模型进行训练。模型训练完成后,采用测试集中的图像输入到铁路沿线场景分割模型中,可得到相应的分割好的灰度图像LBL,对图像和LBL应用双矩形法,完成轨道区域和相应标签图像的提取;本发明提供的方法能够实现对铁路沿线场景图像中轨道区域的分割提取,而且根据铁路线相对平直的特性,采用双矩形法对轨道区域进行提取一定程度上有利于增加轨道区域分割提取的准确度,在未来无人机巡线条件下,具有明显的应用价值。

    一种基于自适应多分类马氏田口方法的旋转机械故障诊断方法

    公开(公告)号:CN109297711A

    公开(公告)日:2019-02-01

    申请号:CN201811069890.6

    申请日:2018-09-13

    Abstract: 本发明涉及一种基于自适应多分类马氏田口方法的旋转机械故障诊断方法。首先,进行小波去噪和EMD将旋转机械振动信号分解成多个固有模态函数(IMF);然后,使用SVD对每一个IMF分量的初始特征矩阵进行奇异值分角,将得到的奇异值作为信号的特征向量。最后,对多分类马氏田口方法进行自适应改进,将新方法作为故障诊断的分类器。本发明的方法能够精准地对故障进行识别和分类,识别正确率高,方法可靠。

Patent Agency Ranking