典型文献
基于2D与3D激光图像的轨道扣件状态智能检测
文献摘要：
传统的轨道扣件检测主要依靠二维图像,存在检测精度低等问题.因此,提出一种基于2D与3D激光图像的轨道扣件状态智能检测方法.通过图像灰度化与线性加权融合处理构建三组轨道扣件数据库;利用YOLOv5进行轨道扣件状态的自动检测与螺栓区域定位;提出基于区域收敛的螺栓分类法,区分道钉与螺母区域;结合三维深度信息并确定阈值,实现螺栓松动检测.实验结果表明:经过线性加权融合处理的模型精确率比另两组实验高3.2％、11.3％;同时,提出的检测方法能够实现轨道扣件状态智能检测及螺栓松动的自动检测,具有较强的适用性.
文献关键词：
轨道扣件;三维激光;目标检测;螺栓松动;深度值
中图分类号：
作者姓名：
陈文婷;罗文婷;李林;秦勇;温王鹏;吴镇涛
作者机构：
福建农林大学交通与土木工程学院,福建福州 350108;南京工业大学交通运输工程学院,江苏南京 210009;北京交通大学,轨道交通控制与安全国家重点实验室,北京 100084
文献出处：
引用格式：
[1]陈文婷;罗文婷;李林;秦勇;温王鹏;吴镇涛-.基于2D与3D激光图像的轨道扣件状态智能检测)[J].仪表技术与传感器,2022(11):88-95
A类：
状态智能检测
B类：
2D,激光图像,轨道扣件,扣件检测,二维图像,检测精度,智能检测方法,图像灰度化,线性加权,加权融合,融合处理,件数,YOLOv5,自动检测,螺栓区,区域定位,分类法,分道,道钉,螺母,深度信息,螺栓松动检测,精确率,三维激光,目标检测,深度值
AB值：
0.327419
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
