基于深度学习的泛图机滑块检测架构和解决方案
Qichang Guo1, Anjie Tang2, Jiabin Yuan1
1College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210095, China.
Sensors (Basel, Switzerland)
|August 29, 2024
概括
这项研究引入了深度学习,用于检测高速铁路中的泛相机滑板磨损,提高准确性和细分. 早期检测可以确保铁路安全和运营完整性.
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
- 人工智能的人工智能
背景情况:
- 在高速铁路和地铁运行中,泛相机滑板的磨损至关重要,如果未被检测到,就会造成断裂风险.
- 目前使用自动化或基本计算机视觉的检测方法对于精确的磨损评估是低效的.
研究的目的:
- 通过使用深度学习来提高泛写仪滑块磨损检测的准确性.
- 为了提高图像分割性能,以便更好地进行磨损分析.
- 开发一种全面的解决方案,用于监测泛相机滑动器的完整性.
主要方法:
- 利用深度学习和计算机视觉来检测磨损.
- 采用线性阵列摄像头来提高数据集质量.
- 集成了一个注意力机制,以提高细分性能.
- 引入了一种用于处理不完整图像的新型图像拼接方法.
主要成果:
- 实现了 pantograph 滑块磨损的检测精度的提高.
- 通过注意力机制提高了细分性能.
- 提供了一种全面的方法来解决不完整的图像数据.
结论:
- 深度学习提供了一种更有效,更准确的方法来检测泛相机滑块的磨损.
- 综合方法,包括注意力机制和图像拼接,为铁路安全监控提供了强大的解决方案.
