一个全面的激光图像数据集,用于实时测量车轮架几何参数

科学领域:

• 铁路工程 铁路工程是指铁路工程.
• 计算机视觉 计算机视觉
• 数据科学数据科学数据科学

背景情况:

• 铁路运输在全球范围内至关重要,但车轮组故障导致大多数事故.
• 有效监测车轮状况对于铁路安全至关重要.
• 目前的研究受到缺乏公开,高质量的轮盘数据集的阻碍.

研究的目的:

• 为了解决公共轮式数据集的稀缺问题.
• 促进深度学习模型的开发和培训,以监测车轮状况.
• 支持火车轮组自动检查方面的研究.

主要方法:

• 收集和注释轮盘的多线激光条纹图像.
• 创建了四个不同的子数据集:原始,Inpainting,细分和中心线.
• 为铁路安全领域的深度学习应用开发一个全面的数据集.

主要成果:

• 构建可供公众使用的Wheelset激光图像数据集 (WLI-Set).
• WLI-Set提供了丰富的,注释的数据,对于训练强大的深度学习模型至关重要.
• 该数据集可以进行详细的几何参数测量,以评估轮状况.

结论:

• 该WLI-Set是对铁路安全研究的重要贡献.
• 这一数据集的可用性将加速深度学习的进步,用于轮故障检测.
• 该资源使研究人员能够提高火车运行的可靠性和安全性.