文献类型：期刊文章

作　　者：戴鹏[1] 王胜春[1] 杜馨瑜[1] 韩强[1] 王昊[1] 任盛伟[1]

DAI Peng;WANG Shengchun;DU Xinyu;HAN Qiang;WANG Hao;REN Shengwei(Infrastructure Inspection Research Institute,China Academy of Railway Sciences,Beijing 100081,China)

机构地区：[1]中国铁道科学研究院基础设施检测研究所,北京100081

出　　处：《中国铁道科学》

基　　金：国家自然科学基金资助项目(61702551);国家973计划项目(2013CB329400);中国铁道科学研究院科技开发基金资助项目(2017YJ129);北京市科技计划项目(D17110600060000)

年　　份：2018

卷　　号：39

期　　号：4

起止页码：43-49

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出基于置信图的扣件子图快速定位算法,即基于概率图模型构建扣件子图邻域纹理图和初始引导图与被定位图之间的置信图,并通过计算置信图的最大极值点实现对扣件子图中心点的快速定位。在此基础上,针对无砟轨道扣件缺陷样本相对稀缺的问题,提出基于半监督深度学习的扣件缺陷图像识别方法,即首先采用稀疏自编码(SAE)网络在无标签的数据集进行迭代学习获得扣件子图稀疏表征,然后将训练好的SAE网络连接softmax层组成分类网络,最后在有人工类别标注的小数据集进行二次训练及参数微调获得最终的识别模型。通过在装配WJ-7型扣件的CTRS-Ⅰ和WJ-8型扣件的CTRS-Ⅱ型无砟轨道图像进行应用测试和方法验证。结果表明:该方法可快速精确定位扣件并识别扣件缺失、弹条折断、弹条移位3类缺陷,有效检出率达95%以上。

关 键 词：扣件缺陷  图像识别 半监督深度学习  置信图  纹理图  稀疏自编码  

分 类 号：U213.53]