高铁接触网支柱号的图像序列识别方法

对于高铁接触网支柱号的识别,现有研究普遍采用“杆号定位-字符分割-单字符分类”的思路,步骤繁琐且识别可靠性差。本文提出一种包含定位模块和识别模块的支柱号图像序列识别方法:定位模块采用引入残差结构的深度网络,并针对支柱号特点调整图像输入方式以提高定位准确性;识别模块以字符图像序列为单位直接识别,避免了分割字符导致的误差,能够识别不定长数量的字符。经在2C检测图像数据集上实验验证,该方法能快速有效识别高铁接触网支柱号。

基于对比度受限直方图均衡化的夜间接触网支柱号牌识别方法研究

在接触网停电检修作业挂接地线中,挂接地线位置由作业票上的支柱号确定,因此,研究接触网支柱号牌的识别对挂接地线的自动化监测具有重要意义。为此,提出一种基于对比度受限自适应直方图均衡化(Contrast-limited adaptive histogram equalization,CLAHE)的支柱号识别方法。利用对比度受限自适应直方图均衡化和中值滤波预处理图像,用最小区域法和形态学变换提取号牌区域,再用连通域和模板匹配识别号牌上的支柱号字符,并在识别过程中考虑支柱号的分布规律,验证支柱号的识别结果。利用Halcon和C#联合开发的识别软件平台进行试验,对比CLAHE和直方图均衡化(Histogram equalization,HE)的均方差和峰值信噪比,结果表明这种方法大大提高了支柱号识别的准确率。

基于接触网支柱号在线智能识别定位技术研究

阐述应用图像在线智能识别技术,研究铁路基础设施检测设备的数据里程精确定位的关键技术;选题、技术路线、方案实施等,内容涉及到数字成像、边缘识别、特征提取、图形识别模型、软件设计等。

基于深度学习的接触网支柱号在线识别算法研究

设计了一种基于Faster R-CNN的深度学习算法实现接触网支柱号的在线识别,实验结果表明该识别算法识别准确率高,可应用于4C检测系统的支柱号识别中.

基于卷积神经网络的接触网支柱号识别方法研究

接触网支柱号是铁路供电部门现场运营维护的重要定位参数。基于卷积神经网络的接触网支柱号自动识别方法结合接触网图像的实际特点,对视频图像进行了归一化图像预处理,并对实际的支柱图片进行了卷积神经网络的训练,在支柱号识别确定的过程中考虑了接触网支柱号的分布特点,提高了支柱号识别的准确性。利用实际线路数据进行测试,取得了较好的识别精度和较快的识别速度。通过实验验证,该方法能够辅助铁路基础设施检测系统中缺陷的定位,指导现场运营维修。