基于深度特征匹配的转辙机自动开闭器静接点尺寸测量方法研究

自动开闭器是转辙机上负责动作控制与状态表示的频繁动作关键部件,使用过程中的接点磨损会影响控制与反馈电路的导通。然而,由于其安全关键、磨损样本稀少、工作环境恶劣,使得自动开闭器的在线监测成为转辙机维护维修的难题。针对上述问题,基于机器视觉提出一种深度特征匹配的目标检测方法。首先利用VGGNet自适应地提取接点模板和待搜索样本的深度特征,采取归一化互相关算法和反向映射算法完成目标定位,利用权重优化和非极大值抑制优化边界框,实现小样本数据集情况下兼顾精度与鲁棒性的目标定位;然后使用大津法二值化、中值滤波、水平差分算子等完成静接点图像处理;最后使用标定板换算获得静接点的几何尺寸数据。实验结果表明:本方法在实际应用中的定位检测精度达到85.93%,召回率达到90.63%,F 1达到88.22%;在尺寸测量误差方面,RMSE、MAE、MAPE分别为2.56 mm、1.55 mm、12.94%。

融合多尺度和深度特征的快速运动视觉目标跟踪

为了提高快速运动视觉目标跟踪的精度、效率和鲁棒性,提出融合多尺度和深度特征的快速运动视觉目标跟踪方法。通过分类器训练、候选区域检测以及模型更新三个阶段,完成核相关滤波跟踪算法。为适应视觉目标的多尺度变化,通过双线性插值函数将采集的子图转化为多尺度大小;提取子图特征,对多尺度核相关滤波器进行训练,完成快速运动视觉目标跟踪;利用堆叠多层自编码器构建深层神经网络,通过贪婪算法对输入数据重构,得到深度特征;将深度特征和方向梯度直方图HOG特征进行匹配融合,实现快速运动视觉目标跟踪。实验结果表明,该算法能够有效跟踪被遮挡的快速运动视觉目标,其跟踪准确率和跟踪成功率分别高达97.6%和98.2%,跟踪时间仅为4.5 ms,可以有效提高快速运动视觉目标跟踪精度和效率,增强鲁棒性。