农业合作社发展演进中的“踏轮”效应——一个新理论假说及基于VAR模型的实证检验

笔者以美国农业合作社为例,基于VAR模型的实证分析,命名并验证了合作社发展演进中的"踏轮"效应,即随着农业生产商品化,农场主成立合作社自助使其劳动生产率提高,产出增加导致市场竞争加剧,弱小合作社倒闭或被兼并,存续下来的合作社经营规模扩大,服务能力增强,成员人均劳动生产率不断提高以应对不断加剧的竞争,而这反过来又加剧了竞争,成员人均劳动生产率再次提高,竞争再次加剧。这一"踏轮"过程循环往复,每个合作社的平均规模越来越大,成员的人均劳动生产率水平持续提高,合作社总数逐渐下降。笔者期望通过对合作社发展演进内在机制与规律的揭示,为我国农业合作社发展的时配性政策安排提供参考。

基于改进YOLOv5的机车轮对踏面缺陷检测

针对传统机车轮对踏面缺陷检测方法难以准确、快速、有效地检测出踏面缺陷的问题,文章提出了一种基于YO⁃LOv5算法的两阶段目标检测模型。首先,对YOLOv5检测网络采用Ghost进行轻量化设计,并引入注意力机制以强化重要特征的表达能力,从而提高模型的检测速度,降低模型复杂度。同时,精简踏面提取特征融合网络结构,改进原始先验框以适配数据集。实验结果表明:在踏面提取阶段,算法仅损失0.26%精度的基础上,检测速度提高了43.4%;在缺陷检测阶段,检测精度提高了1.72%,检测速度提高了30.4%。改进后的模型算法复杂度显著降低,具有一定的工程应用价值。

轮对踏面三维图像检测系统研究

轮对踏面作为轮轨唯一的接触面,车轮尺寸和踏面状态的自动检测是保证列车运行安全的重要前提之一;针对轮对踏面二维图像检测系统和人工测量轮对尺寸检测精度低、误报率高、环境依赖性强以及人工效率低等问题,研制了踏面三维图像检测系统并附带轮对尺寸检测功能。该系统基于激光三角法确定被测对象的深度信息,通过改进的高斯型光心提取算法,准确地提取每一条踏面曲线,最终由1800条踏面曲线还原了轮对踏面的三维状态信息。通过大量故障模拟试验发现:系统不但能够准确识别模拟的故障,而且能够排除轮对上的污渍、水渍等深度信息未发生变化干扰情况,同时识别率达到95%以上,为踏面的状态检测以及轮对尺寸检测提供了一套更加适用的三维检测系统。

线结构光轮对踏面几何参数测量系统设计

针对轮对踏面几何参数检测自动化程度不高、精度低的问题,设计一种线结构光非接触式测量系统,利用位移传感器和定位块对轮对踏面内侧基准进行定位。采用自动分段的多项式曲线拟合方法对踏面线结构光光条中心线进行光顺处理,解决了中心线提取过程中产生不平滑和锯齿等问题。基于Qt程序开发框架和C++开发软件系统,设计了人机交互界面,实现图像处理、尺寸测量、数据显示与储存等功能。搭建了简易的试验平台对车轮踏面模型进行测量,试验结果表明,该系统对轮缘高度和轮缘厚度的测量误差小于0.1mm,轮辋宽度的测量误差小于0.3mm,满足实际测量需求。

基于R-P图像注意融合网络的列车轮对踏面缺陷识别

轮对踏面缺陷识别是开展列车轮对检修维护的重要前提。然而,轮对踏面缺陷样本存在的数量少、类别不均衡现象,使得传统深度学习方法识别精度有限,难以满足列车智能运维发展的需求。提出一种基于R-P图像注意融合网络(RP-AFN)的列车轮对踏面缺陷识别方法。首先,将RGB图像及其泊松编码(Poisson coding,POS)形式同时引入Mobilenetv2网络之中,以通过丰富输入信息的方式来缓解小样本问题;其次,将挤压-激励模块(SEBlock)和相似性约束引入模型中,以提取具有模态间交互性信息的判别注意力特征,并利用多层感知机(MLP)对其进行融合和推断;最后,基于焦点损失和相似性损失设计一种联合损失函数,使其能够通过惩罚大类别样本以缓解类别不平衡问题。实验结果表明:所提融合方法实现了85.7%的轮对踏面缺陷识别率,且其各项指标以约2.5%~20%的优势优于对比方法。在不同输入大小和主干网络的条件下,以224×224为输入大小的Mobilenetv2模型所对应的模型性能最佳。在不同特征融合策略的条件下,特征拼接方法的各项指标以约1%~3.5%的优势优于特征加法、特征外积和动态加权等方法。在不同调剂因子μ的设置中,μ=0.7的情况下,模型各项指标性能达到综合最优。在主干网络相同的条件下,融合方法能够在不显著增加模型参数的情况下,其各项指标优于单模态方法约1%~6.3%。在执行消融实验的情况下,输入模态、损失函数和模块的消融都会给模型带来负面影响,验证了模型设计的合理性。RP-AFN模型能够有效地提高轮对踏面缺陷识别性能,可在一定程度上解决小样本和类别不均衡条件下的踏面缺陷识别问题。

基于物理模型的计算机视觉轮对踏面擦伤检测方法

研究一种基于计算机视觉的轮对踏面擦伤检测方法。用线结构光扫描轮对踏面,在踏面上产生相应的变形光条纹,利用电荷耦合器件(Charge coupled device,CCD)摄像机采集光条纹图像,经过图像处理后获得踏面截面轮廓,检测轮对踏面擦伤。根据光条纹的特点,提出基于物理模型的提取光条纹中心线方法,应用能量优化法,求解光条纹中心线所对应的最小能量曲线,用B样条曲线拟合光条纹中心线使其具有亚像素级定位精度,同时大大减少数据存储量。试验结果表明该方法可有效地抑制噪声、光条纹断线及分枝的影响,使光条纹中心线具有单一连通性。轮对旋转一周,通过摄像机模型计算轮对踏面的三维曲面模型,实现了轮对踏面擦伤的非接触精确检测。

基于结构光视觉传感的轮对踏面擦伤快速检测

研究一种基于结构光视觉传感的铁路车辆轮对踏面擦伤快速检测方法。通过控制轮对转动速度,并以结构光扫描轮对踏面及应用CCD(Charge Coupled Device)视觉传感器实时采集轮对踏面外形特征信息,经过图像数字滤波、基准校正、边缘识别和空间坐标变换等算法,建立踏面擦伤数字矩阵。在此基础上,进行踏面擦伤特征信号的分析和提取,实现轮对踏面擦伤最大深度及形状的非接触快速准确检测。本文给出了试验结果,并分析了踏面数字矩阵的建立过程和视觉传感器标定对擦伤测量的影响。试验证明本文方法实用、可靠,可有效提高轮对踏面擦伤测量精度和效率。

轮对踏面擦伤及剥离数字化检测技术

针对车辆轮对踏面损伤检测问题,利用激光传感技术建立轮对踏面数字矩阵,通过二维双线性插值、Marr算子边缘检测和基于踏面局部外形分解的数据校正数字化处理技术,在轮对动态过程中快速提取轮对踏面擦伤、局部凹下深度和剥离长度等特征信息,精确拟合出踏面状况并加以诊断。检测系统经过实际应用表明,不仅能够自动检测出踏面擦伤和剥离,而且具有显示、打印检测结果的二维和三维图形,以及轮对数据库管理等多种功能。

基于EMAT技术的轮对踏面探伤仪

简述电磁超声换能器(EMAT)的结构组成及产生表面波的机理,分析了基于电磁超声表面波的车轮踏面缺陷检测原理。设计了基于电磁超声表面波的轮对踏面探伤仪,该探伤仪采用DSP+CPLD结构,构成数据处理、逻辑控制核心单元,信号由功率合成单元进行功率放大并与EMAT探头做输出匹配,提高输出功率;DSP系统完成超声波信号的数据处理及缺陷分析功能。最后对人工缺陷轮对和自然缺陷轮对进行试验,结果表明:检测过程无需耦合剂、无需沿踏面扫查,即可快速实现对轮对踏面表面及近表面10 mm范围内的车轮径向裂纹和大尺寸踏面剥离缺陷进行检测。

火车轮踏面在役自动检测技术研究

较全面地分析了国内外在火车轮检测方面的研究现状。在此基础上 ,提出了火车轮踏面的在役自动检测技术 ,并研制出相应的原型系统 ,同时给出了实验结果 ,为火车轮踏面的在役自动检测提供了一条崭新思路。

基于金字塔拆分注意力的列车轮对踏面损伤诊断

为解决列车轮对踏面损伤诊断准确率低、速度慢和损伤样本少的问题,提出一种基于金字塔拆分注意力网络(EPSA-ResNet)的车轮对踏面损伤诊断模型。首先,采用迁移学习方法预训练ImageNet数据集,得到模型参数,然后将其迁移到轮对踏面损伤特征数据中,并进行微调,从而获得共享模型结构和参数;其次将ResNet-50残差块中的3×3卷积替换为一种金字塔拆分注意力(PSA)模块,得到新的EPSA-ResNet,融合空间和通道注意力多级别特征,自适应地进行特征重标定;最后通过Softmax分类器得到轮对踏面损伤情况的诊断结果。结果表明:该方法能够有效识别列车轮对踏面损伤状态以及周围环境间存在的局部细微差异,诊断精度可达99.79%,优于其他深度神经网络模型。

轨道交通车辆车轮踏面短波不平顺测试与分析

城市轨道交通轮轨表面短波不平顺是激发线路沿线振动与噪声的主要原因,准确而高效的测量轮轨表面短波不平顺是振动噪声预测、评估及源头控制的重要条件。通过对上海城市轨道交通2号线部分车辆轮踏面不平顺进行现场测试,利用统计分析、1/3倍频和功率谱分析研究了轮踏面不平顺时、频域组成特性。结果表明所测试的轨道交通车辆轮踏面不平顺水平是比较低的,大部分不平顺幅值积聚在3~13μm;在短波范围内,波长大于4.0 cm时不平顺状态比ISO3095标准要好,小于2.5 cm时不平顺状态较标准差;主要波长分布在57.7~95.2 cm,且大部分集中在70~80 cm,平均值为72.1 cm。

差影算法在轮对踏面磨耗检测中的应用

本文提出了将图像差影算法的模式识别方法应用于火车轮对踏面磨耗检测中,解决了踏面磨耗检测技术落后,任务繁重,错检率高的难题。本文详细介绍了机器视觉检测原理和差影算法,阐述了将差影法应用于踏面磨耗检测中的具体方法,并给出了试验结果,从理论和试验上证明了差影算法运用于踏面磨耗检测的可行性和正确性。

基于残差注意力的YOLO-v5列车轮对踏面缺陷快速检测

为实现快速准确地检测轮对踏面缺陷,针对轮对踏面噪声干扰大、传统检测算法特征融合不充分的问题,提出一种基于残差注意力的YOLO-v5列车轮对踏面缺陷快速检测方法。首先,针对噪声干扰大的问题,设计了一个残差注意力降噪模块,以有效提升模型检测准确率,并使用Grad-CAM类激活映射技术验证残差注意力模块降低噪声干扰的作用;其次,针对特征融合不充分和模型容易产生漏检的问题,使用一种双向特征金字塔特征融合模块,对主干网络提取的特征进行高效融合,从而有效地降低检测漏检率;最后,采集了数百幅轮对踏面真实缺陷图像,并与5种经典检测模型进行对比,验证了算法的优越性。试验结果表明,该算法能够达到77.9%的准确率和72.3%的召回率,同时所提算法的图像检测速度能达到125幅/秒,模型权重仅为15.1 MB。该模型能快速准确地检测出剥离和凹陷2种缺陷,可便捷地应用于实际的轮对踏面实时缺陷检测场景。

基于电磁超声的轮对踏面缺陷在线检测装置

为了提高我国当前列车轮对的检测效率,设计了一种基于电磁超声的列车轮对踏面缺陷在线检测装置。该装置将电磁超声检测技术与FPGA应用技术相结合,实现了电磁超声信号发射/接收、数据采集、电磁超声微弱信号检测以及存储显示等,充分发挥了FPGA在运算速度和设计灵活性上的优势。实验表明,本装置具有较高的检测精度和检测效率,可实现轮对踏面精确在线检测。

模式识别在轮对踏面磨耗检测中的应用

轮对踏面磨耗是危及列车运行安全的主要原因之一,提出了将差影法的模式识别方法应用于火车轮对踏面磨耗检测中。目前我国对火车轮对踏面的检测还停留在手工机械式测量阶段,检测技术落后,人为检测误差大,自动化水平低。将模式识别技术应用于踏面磨耗检测中,方法简单,直观,智能化程度高。本文详细介绍了机器视觉检测原理和差影算法,阐述了将差影法应用于踏面磨耗检测中的具体方法,使踏面磨耗检测进入全面自动化。

基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型

为解决小样本问题下轮对踏面缺陷分类难题,提出一种基于简单无参注意力模块(SimAM)和脊柱神经网络(SpinalNet)踏面缺陷分类模型。首先,预训练网络提取原始图像各个类别特征图;其次,在有限的训练样本下,利用SimAM提取对缺陷图像表示性更强的类别特征;然后,利用SpinalNet关联特征图的局部和整体语义,得到缺陷类别特征的强区分性表示;最后,以强区分性表示特征输入带有L2正则化的softmax分类器,得到分类结果。试验结果表明:小样本任务评估指标准确率1和准确率2分别为68.35%和100%,优于目前主流深度学习模型,能够有效分类轮对踏面缺陷从而避免列车安全事故发生。

轮对踏面损伤自动检测技术

介绍一种自动检测轮对踏面损伤的新方法。利用激光传感技术建立轮对踏面数字矩阵,通过二维双线性插值、Marr算子边缘检测和基于踏面局部外形分解的数据校正处理技术,在轮对动态过程中快速提取轮对踏面特征信息,精确拟合出踏面状况并加以诊断。检测系统人机界面友好,操作维护简单,并具有擦伤和剥离检测结果的二维、三维图形显示和打印等多种功能。

MATLAB语言在火车轮对踏面分析中的应用

在火车轮对踏面分析过程中,需要对采集来的踏面数据进行仿真分析和处理,以便在主程序界面上显示出轮对踏面擦伤和剥离的形状和位置。火车轮对自动检测系统采用VC++作为设计和分析主程序。提出一种利用MATLAB语言来仿真踏面数据以及和VC++进行混合编程的新技术。

车轮踏面激光淬火技术研究

采用激光淬火工艺加工的车轮轮对踏面,车轮受热变形很小,热处理后的车轮不需要后续机械加工就可以满足实际工况的需求,不仅可以有效地延长轮对的使用寿命和降低维护费用,还可以显著提高轮对抵抗钢轨冲击和耐摩擦的能力。