2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,由于列車向高速、重載的方向迅速發(fā)展,因此,對鐵路線路的維護工作也提出了更高的要求。傳統(tǒng)的人工檢修方法對于當今現(xiàn)代化鐵路安全自動維護的需求而言已經(jīng)過時。現(xiàn)場數(shù)據(jù)調(diào)查可知,一旦鐵路扣件缺陷連續(xù)存在3個以上就有可能導致列車脫軌事故的發(fā)生。然而,由于技術的欠缺,目前,在現(xiàn)場大多數(shù)路段對扣件缺陷的檢測方法仍舊需要依靠工人沿線路巡查,該方法已不能滿足定期檢修的需要。另外,工人的安全也不能得到有效的保障。因此,該方法已無法保障為列車的高速運行

2、提供一個安全可靠的線路環(huán)境。在此種環(huán)境下,研發(fā)一種可靠、通用的自動對鐵路扣件缺陷檢測的方法就顯得尤為重要。
  針對現(xiàn)有鐵路扣件缺陷檢測方法存在的不足,本文在機器視覺和圖像處理的基礎上,初步實現(xiàn)了扣件缺陷的自動檢測與分類,并設計了基于機器視覺的鐵路扣件缺陷檢測系統(tǒng)的軟件界面平臺。首先,對獲取的幀圖像進行預處理,對灰度圖像進行灰度化,減少圖像的信息量。通過對圖像去噪和增強處理,減少了圖像傳輸過程中對圖片質(zhì)量的影響,提高圖像的清晰度與

3、對比度。針對扣件定位差的問題,利用 LSD(Line Segment Detector,直線提取)算法實現(xiàn)扣件枕肩位置的準確定位,結合圖像的邊緣特征圖實現(xiàn)扣件鋼軌區(qū)域的準確定位,利用鋼軌邊緣位置與枕肩位置的結構信息關系,對扣件區(qū)域實現(xiàn)最終的準確定位。最后,利用融合分層LBP(Local Binary Pattern,局部二值模式)和分層HOG(Histogram of Oriented Gradient,方向梯度直方圖)特征提取算法對視

4、頻流中定位后的各類扣件提取特有的特征,并將此特征數(shù)據(jù)作為扣件分類器訓練的依據(jù)。基于二分類的SVM(Support Vector Machine,支持向量機)分類器對扣件缺陷進行準確分類。引用了先進的一對一特征的分類方法進行了SVM離線訓練,基于“投票法”的思想實現(xiàn)在線對扣件缺陷的準確分類。通過選取大量的正負樣本進行仿真實驗,本方法有效提高了系統(tǒng)的識別分類的準確率。
  設計的鐵路扣件缺陷監(jiān)測系統(tǒng)的軟件界面平臺,其操作內(nèi)容有:登錄、

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論