基于HOG-LBP算法的铁路路基识别

随着铁路运输的快速发展,对不断扩张的铁路进行维护越来越需要一种不依赖人工、安全、可靠的新技术。铁路路基的识别对后续轨道的识别、枕木的识别、扣件的识别有着不可或缺的影响。针对铁路路基的纹理和形状特征,结合了LBP纹理特征和HOG形状特征采用了HOG-LBP算法,用于检测铁路路基。通过实验证明,在自采集的视频图像中,采用SVM训练,路基的识别率达到96.3%,这对后续的扣件识别,枕木识别,轨道识别提供了良好的基础。

基于改进的GoogleNet-ResNet算法的路基病害智能分类方法

针对路基病害分类算法存在的复杂病害辨识难度大、多视图雷达图像特征利用不充分等问题,提出一种基于改进的GoogleNet-ResNet算法的路基病害智能分类方法;首先,引入坐标注意力和改进的Inception模块对GoogleNet网络结构进行优化;然后,利用改进的GoogleNet学习c-scan数据特征剔除非目标病害,实现病害目标的粗分类;最后,将分类成病害的b-scan数据输入基于迁移学习的ResNet50,实现病害的细分类;实验表明,改进的GoogleNet进行病害粗分类的准确率可达到98.2%,检测速度可达90.9 fps;基于迁移学习的ResNet50进行病害细分类的准确率可达90.5%,检测速度可达52.6 fps;该算法的准确率比单独的改进的GoogleNet网络高10.1%,比单独的ResNet50网络高7.4%,有效地提高了道路路基病害的识别精度与效率。