【摘 要】
：
动车组运行故障检测系统（TEDS）是保障动车组高速行车安全的系统,但目前TEDS采集的动车组扫描图像中,关键零部件状态主要由人工判别。随着深度学习的不断发展,基于卷积神经网络的目标检测算法应用日益广泛。本文在YOLOv2的基础上,提出了加入改进SPP层,融合多重感受野的YOLOv2-Plus,并将小目标检测能力增强的YOLOv2-Plus应用于动车组裙板螺栓检测任务,提高了裙板螺栓检测的准确率和效
论文部分内容阅读
动车组运行故障检测系统（TEDS）是保障动车组高速行车安全的系统,但目前TEDS采集的动车组扫描图像中,关键零部件状态主要由人工判别。随着深度学习的不断发展,基于卷积神经网络的目标检测算法应用日益广泛。本文在YOLOv2的基础上,提出了加入改进SPP层,融合多重感受野的YOLOv2-Plus,并将小目标检测能力增强的YOLOv2-Plus应用于动车组裙板螺栓检测任务,提高了裙板螺栓检测的准确率和效率。动车组裙板螺栓数据集中,螺栓丢失的故障样本数量稀缺,本文首先分析了正常螺栓和螺栓丢失样本的特性,使用图像增广技术对动车组裙板螺栓数据集进行增广。然后使用K-Means算法聚类分析了待检测螺栓区域的边界框尺寸,针对目标区域尺寸相近、在图像中占比较小的特点,提出了融合多重感受野的SPP层。根据多分辨率图像中小目标的不同尺寸,设计了SPP层中池化核的尺寸,SPP层增强了模型对不同尺寸小目标的感知能力。在此基础上选取Darknet-19的低层特征图,经SPP层处理后通过卷积层进一步提取特征,接着使用Passthrough层进行特征重排后与高层特征图堆叠融合,送入分类器完成目标检测,并选用更高的网络输入分辨率和Mish激活函数,提出了小目标检测准确度提升的YOLOv2-Plus。为了验证算法性能的提升,使用增广的动车组裙板螺栓数据集对YOLOv2、YOLOv3、YOLOv4、Faster R-CNN和YOLOv2-Plus进行训练和测试。608×608的输入分辨率下,YOLOv2-Plus平均精确率均值（m AP）较YOLOv2提升了2.12%,达到了95.66%,检测速度为67.1FPS。YOLOv2-Plus在测试数据集中的m AP和检测速度均超过YOLOv3、YOLOv4,虽然m AP略低于Faster R-CNN,但检测速度是Faster R-CNN的3倍以上。YOLOv2-Plus较好地平衡了目标检测准确度和检测速度,可以快速准确地检测出运行动车组的裙板螺栓和螺栓丢失区域。本文在使用Darknet框架实现YOLOv2-Plus的基础上,设计了基于Web的动车组裙板螺栓检测系统,在人工诊断故障的任务中,该系统具有一定的实用性,可减轻分析员的任务压力。
其他文献
随着电子产业的发展,人们对电磁屏蔽技术的要求日益增加,兼具高导电性和轻薄的电磁屏蔽新材料成为了该领域的研究热点。碳材料具有导电性优异、低密度、化学稳定性高和成本低等优点,在电磁屏蔽领域具有巨大应用潜力。其中,具有优异导电性能和比表面积高的石墨烯是制备碳基电磁屏蔽材料理想的组分。但石墨烯存在易团聚、结构易坍塌等问题,难以发挥其在材料中的电磁屏蔽性能。木质素是储量丰富的天然芳香聚合物,是具有三维网络结
随着网约车行业的发展壮大,网约车逐渐融入人们出行的日常方式中,但由于网约车司机素质参差不齐、平台把关存在漏洞、场景复杂不受控等问题影响,广大群众越来越关注网约车出行的安全问题。在车载场景下应用人脸识别技术可以监督、规范网约车司机。但是,目前已较为成熟的二维人脸识别技术的使用场景大多都是受控的,而且二维人脸识别存在安全性不足的问题,这些问题成为了人脸识别发展的瓶颈。本课题来源于广州市某企业的科技项目
在能源转型的当下,电动汽车、共享出行和自动驾驶等出行升级正日益影响道路交通的能源结构。电动汽车作为一种新型交通工具,具备接入电力系统的条件,与其相关的应用研究在国内外得到广泛关注。对于这些应用研究而言,充电数据是其重要的研究基础,而当下的电动汽车渗透率和充电设施普及率依旧很低,与未来出行升级背景下的交通场景存在较大差距,无法在当前的实际场景中直接获得可用于研究的大规模电动汽车群充电数据。为此,本文
室温硫化（RTV）硅橡胶具有优异的电绝缘、耐臭氧老化、耐候、耐辐射等性能,已在电力行业得到越来越广泛的应用?为了更好地安全应用在高压绝缘领域,硅橡胶不仅需要有优异的力学性能,还要求具有较低的密度和良好的阻燃性能。本论文以空心玻璃微珠（HGM）为减重填料,三聚氰胺-氰尿酸盐（MCA）和聚四氟乙烯（PTFE）为阻燃剂,加入到气相白炭黑和甲基MQ树脂补强的以α,ω-二羟基聚硅氧烷为基础聚合物的RTV硅橡
近年来,图像生成,图像编辑,表征学习等计算机视觉任务在生成对抗网络的帮助下取得了飞快发展。其中,这些任务能够取得进展的主要原因在于生成对抗网络的关键部分——对抗损失函数。目前,该损失函数被广泛应用在无监督任务中。此外,对于生成对抗网络,其优秀的图像生成特性也为数据增广任务提供了新思路。本文将从图片像素化和图片反光去除两个任务出发,探索生成对抗网络在无监督训练和数据增广这两方面的优越性。图片像素化任
随着环保意识和可持续发展理念深入人心,生物质资源凭借着其可再生和易降解的特点受到了极大的关注。然而,许多工业生产中的生物质由于没有得到合理的利用,反而被视为废弃物,为经济发展和环境保护造成很大的负担。咖啡渣,作为咖啡工业的副产物,每年的产量达到数百万吨规模。然而现在咖啡渣通常被就地填埋或是燃烧处理,这种处理方式造成了资源极大的浪费并且引发了严重的环境污染问题。根据研究表明咖啡渣中含有纤维素,半纤维
近年来,即时定位与建图（Simultaneous Localization and Mapping,SLAM）技术逐渐成为室内导航领域中的热点。而大多数的视觉SLAM系统前端是基于点特征匹配,因此在弱纹理区域、光照变化或帧间运动过大的室内场景中由于无法提取足够的点特征导致匹配失败。然而在室内等人造场景中,存在大量的线特征可供提取,可与点特征形成互补。另外,视觉SLAM系统在帧间运动过快时存在位姿漂
Deepfake换脸技术利用生成式对抗网络（Generative Adversarial Networks,GAN）学习目标视频中人脸的深层次特征,能较好地将目标人脸替换为源视频人脸,且能同步人脸表情及说话的口型。Deepfake技术迅速发展,许多Deepfake假脸视频在网络上被广泛传播,对执法、社会稳定、公共安全等领域造成危害。因此,Deepfake假脸视频检测技术的研究具有重要价值。目前,有
莲子心（Plumula Nelumbinis）为睡莲科（Nymphaeaceae）莲属植物莲（Nelumbo nucifera Gaertn.）的成熟种子中间的绿色幼叶及胚根,莲子心味苦、归心、肾经是我国传统中药之一。莲子心具有多重的营养价值,莲子心多糖作为主要活性成分之一,具有较好的抗氧化、抗炎、降血糖以及调节糖脂代谢等功能。目前,对莲子心多糖的研究主要集中在莲子心粗多糖,缺乏对纯的莲子心多糖结
类别不平衡数据分类问题是机器学习领域中的常见问题。为了缓解类别不平衡问题带来的负面影响,一种常用的方法是对不平衡数据集中的少数类样本进行有效扩充。目前已有多种经典的上采样方法应用于少数类样本的扩充过程,但这些方法主要针对低维数据,面对图像等高维结构类数据则收效甚微。生成对抗网络（Generative Adversarial Nets,GANs）是一种基于纳什均衡理论的新型深度神经网络。GANs由生