基于深度學(xué)習(xí)的鐵路扣件檢測(cè)系統(tǒng)的研究.pdf

1、鐵路扣件作為固定軌枕和鐵軌的重要連接部件，對(duì)保證列車安全運(yùn)營(yíng)具有極其重要的作用，目前的軌道巡檢列車雖已實(shí)現(xiàn)軌道的自動(dòng)巡檢，但在鐵路扣件的自動(dòng)檢測(cè)方面，還沒有檢測(cè)效果良好的扣件檢測(cè)系統(tǒng)應(yīng)用于綜合巡檢列車上。中國(guó)目前對(duì)鐵路扣件的檢測(cè)仍然是人工檢測(cè)為主，列車巡檢為輔助，但隨著中國(guó)鐵路線路逐漸增多，總里程日益增長(zhǎng)，鐵路線路中橋梁隧道占比越來(lái)越大，對(duì)鐵路軌道使用的頻次也逐漸加大，因此研究扣件的自動(dòng)檢測(cè)系統(tǒng)具有極其重要意義和價(jià)值。目前，深度學(xué)習(xí)圖像

2、處理技術(shù)發(fā)展迅速，相比于傳統(tǒng)圖像處理方式具有諸多優(yōu)勢(shì)，具有廣泛應(yīng)用前景。本文以深度學(xué)習(xí)目標(biāo)檢測(cè)技術(shù)為基礎(chǔ)，對(duì)基于Faster R-CNN的扣件檢測(cè)算法進(jìn)行研究，主要工作和創(chuàng)新點(diǎn)如下:
　　首先，針對(duì)巡檢列車的工作特性，設(shè)計(jì)了一套扣件檢測(cè)系統(tǒng)，整個(gè)系統(tǒng)由視覺子系統(tǒng)、圖像采集存儲(chǔ)子系統(tǒng)和圖像處理子系統(tǒng)三部分組成，該系統(tǒng)可以實(shí)現(xiàn)扣件圖像的采集、存儲(chǔ)和扣件圖像離線自動(dòng)檢測(cè)。
　　其次，針對(duì)扣件特征提取這一關(guān)鍵問題，研究了基于卷積神經(jīng)

3、網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)扣件特征提取過程，對(duì)比多種CNN網(wǎng)絡(luò)，選取ZF網(wǎng)絡(luò)和VGG網(wǎng)絡(luò)做為本文的特征提取網(wǎng)絡(luò)，對(duì)ZF網(wǎng)絡(luò)和VGG網(wǎng)絡(luò)特征提取過程中的特征響應(yīng)圖進(jìn)行了繪制，驗(yàn)證方案合理性，并解決了扣件特征提取CNN過程中的梯度消失和過擬合問題。
　　然后，分析并且實(shí)現(xiàn)了Faster R-CNN的扣件檢測(cè)模型的訓(xùn)練過程和測(cè)試過程，對(duì)其中關(guān)鍵的RPN過程進(jìn)行了優(yōu)化，提升了計(jì)算速度，同時(shí)繪制并分析了訓(xùn)練過程中的Loss曲線及PR曲線，對(duì)本文扣件檢測(cè)方