期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型
1
作者
张昌凡
胡新亮
+2 位作者
何静
刘建华
侯娜
《中国安全科学学报》
CAS
CSCD
北大核心
2022年第6期38-43,共6页
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...
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。
展开更多
关键词
轮对踏面
缺陷分类
简单无参注意力模块(
s
imAM)
脊柱神经网络(
s
pinalNet)
L2正则化
下载PDF
职称材料
基于R-P图像注意融合网络的列车轮对踏面缺陷识别
2
作者
杨能普
周苗
+2 位作者
王文昆
张娟
孙永奎
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023年第12期4811-4822,共12页
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...
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。
展开更多
关键词
轮对踏面缺陷识别
图像融合
深度学习
注意力机制
下载PDF
职称材料
基于FPGA的轮对踏面电磁超声在线检测系统
被引量:
2
3
作者
米武军
康磊
+2 位作者
王淑娟
冯剑钊
翟国富
《无损检测》
2010年第7期519-523,共5页
为了提高我国当前列车轮对的检测效率,设计了一种基于FPGA的列车轮对踏面电磁超声在线检测系统。该系统将电磁超声检测技术与FPGA应用技术相结合,采用基于FPGA的可编程片上系统技术,实现了电磁超声信号发射/接收、数据采集、微弱信号检...
为了提高我国当前列车轮对的检测效率,设计了一种基于FPGA的列车轮对踏面电磁超声在线检测系统。该系统将电磁超声检测技术与FPGA应用技术相结合,采用基于FPGA的可编程片上系统技术,实现了电磁超声信号发射/接收、数据采集、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。试验表明,系统具有较高的检测精度和检测效率,可在列车运行速度<20 km/h时成功检测出轮对踏面上深度>2 mm的人工缺陷。
展开更多
关键词
轮对踏面
电磁超声检测
微弱信号检测
下载PDF
职称材料
基于目标检测网络的轮对踏面缺陷检测方法
被引量:
11
4
作者
张力
黄丹平
+4 位作者
廖世鹏
于少东
叶建秋
王鑫
董娜
《激光与光电子学进展》
CSCD
北大核心
2021年第4期236-245,共10页
针对传统图像处理算法难以快速、准确识别轮对踏面缺陷的问题,提出一种采用双深度神经网络对轮对踏面缺陷进行检测的算法。该双网络分为踏面提取网络与缺陷识别网络。根据踏面为大目标的特点,分析与测试SSD网络,并用该网络提取轮对图像...
针对传统图像处理算法难以快速、准确识别轮对踏面缺陷的问题,提出一种采用双深度神经网络对轮对踏面缺陷进行检测的算法。该双网络分为踏面提取网络与缺陷识别网络。根据踏面为大目标的特点,分析与测试SSD网络,并用该网络提取轮对图像中的踏面区域。为提高踏面缺陷识别效率,在提取出踏面图像后,针对踏面缺陷属于中、小目标的特点,对YOLOv3网络结构进行优化得到M-YOLOv3。实验测试表明:提取踏面区域时,SSD算法的精度均值(AP)最高,达99.8%;识别踏面缺陷时,M-YOLOv3的AP达89.9%,相较于原始YOLOv3,单张图像计算耗时减少7.1%,同时AP仅有0.6%的损耗。结果表明,所提算法具有较高的检测准确率。
展开更多
关键词
图像处理
轮对踏面
缺陷检测
深度学习
s
s
D网络
YOLOv3网络
原文传递
题名
基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型
1
作者
张昌凡
胡新亮
何静
刘建华
侯娜
机构
湖南工业大学电气与信息工程学院
湖南工业大学轨道交通学院
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2022年第6期38-43,共6页
基金
国家自然科学基金资助(52172403,62173137)
湖南省自然科学基金资助(2021JJ30217)
湖南省教育厅资助项目(19A137)。
文摘
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。
关键词
轮对踏面
缺陷分类
简单无参注意力模块(
s
imAM)
脊柱神经网络(
s
pinalNet)
L2正则化
Keywords
wheelset
tread
defect
cla
s
s
ification
s
imple parameter-free attention module(
s
imAM)
s
pinal neural network(
s
pinalNet)
l2 regularization
分类号
X924.3 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
基于R-P图像注意融合网络的列车轮对踏面缺陷识别
2
作者
杨能普
周苗
王文昆
张娟
孙永奎
机构
湖南工业大学轨道交通学院
株洲时代电子技术有限公司
中铁特货大件运输有限公司
北京交通大学轨道交通运行控制系统国家工程研究中心
出处
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023年第12期4811-4822,共12页
基金
国家重点研发计划资助项目(2021YFF0501101)
湖南省自然科学基金资助项目(2021JJ40180)。
文摘
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。
关键词
轮对踏面缺陷识别
图像融合
深度学习
注意力机制
Keywords
wheelset
tread
defect
recognition
image fu
s
ion
deep learning
attention mechani
s
m
分类号
U279 [机械工程—车辆工程]
下载PDF
职称材料
题名
基于FPGA的轮对踏面电磁超声在线检测系统
被引量:
2
3
作者
米武军
康磊
王淑娟
冯剑钊
翟国富
机构
哈尔滨工业大学军用电器研究所
出处
《无损检测》
2010年第7期519-523,共5页
基金
铁道部科技研究开发计划重点课题资助项目(2009G018-E)
文摘
为了提高我国当前列车轮对的检测效率,设计了一种基于FPGA的列车轮对踏面电磁超声在线检测系统。该系统将电磁超声检测技术与FPGA应用技术相结合,采用基于FPGA的可编程片上系统技术,实现了电磁超声信号发射/接收、数据采集、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。试验表明,系统具有较高的检测精度和检测效率,可在列车运行速度<20 km/h时成功检测出轮对踏面上深度>2 mm的人工缺陷。
关键词
轮对踏面
电磁超声检测
微弱信号检测
Keywords
wheelset tread's defects
Electromagnetic ultra
s
ound te
s
ting
Weak
s
ignal detection
分类号
TP23 [自动化与计算机技术—检测技术与自动化装置]
TG115.28 [金属学及工艺—物理冶金]
下载PDF
职称材料
题名
基于目标检测网络的轮对踏面缺陷检测方法
被引量:
11
4
作者
张力
黄丹平
廖世鹏
于少东
叶建秋
王鑫
董娜
机构
四川轻化工大学机械工程学院
中国科学院成都计算机应用研究所
四川大学机械工程学院
出处
《激光与光电子学进展》
CSCD
北大核心
2021年第4期236-245,共10页
基金
国家自然科学基金青年基金(51704199,51303115)
四川省科技厅重点研发项目(2019YFG0167)。
文摘
针对传统图像处理算法难以快速、准确识别轮对踏面缺陷的问题,提出一种采用双深度神经网络对轮对踏面缺陷进行检测的算法。该双网络分为踏面提取网络与缺陷识别网络。根据踏面为大目标的特点,分析与测试SSD网络,并用该网络提取轮对图像中的踏面区域。为提高踏面缺陷识别效率,在提取出踏面图像后,针对踏面缺陷属于中、小目标的特点,对YOLOv3网络结构进行优化得到M-YOLOv3。实验测试表明:提取踏面区域时,SSD算法的精度均值(AP)最高,达99.8%;识别踏面缺陷时,M-YOLOv3的AP达89.9%,相较于原始YOLOv3,单张图像计算耗时减少7.1%,同时AP仅有0.6%的损耗。结果表明,所提算法具有较高的检测准确率。
关键词
图像处理
轮对踏面
缺陷检测
深度学习
s
s
D网络
YOLOv3网络
Keywords
image proce
s
s
ing
wheelset
tread
defect
detection
deep learning
s
s
D network
YOLOv3 network
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于SimAM和SpinalNet的列车轮对踏面缺陷分类模型
张昌凡
胡新亮
何静
刘建华
侯娜
《中国安全科学学报》
CAS
CSCD
北大核心
2022
0
下载PDF
职称材料
2
基于R-P图像注意融合网络的列车轮对踏面缺陷识别
杨能普
周苗
王文昆
张娟
孙永奎
《铁道科学与工程学报》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
3
基于FPGA的轮对踏面电磁超声在线检测系统
米武军
康磊
王淑娟
冯剑钊
翟国富
《无损检测》
2010
2
下载PDF
职称材料
4
基于目标检测网络的轮对踏面缺陷检测方法
张力
黄丹平
廖世鹏
于少东
叶建秋
王鑫
董娜
《激光与光电子学进展》
CSCD
北大核心
2021
11
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部