典型文献
基于宏微观耦合深度学习的高速铁路无砟轨道板表面裂缝精细化测量
文献摘要：
提出一种基于宏微观耦合的深度学习算法,实现对复杂图像背景下高速铁路无砟轨道板裂缝宽度的精细化测量.该算法依次从宏观区域、微观边界和几何特征3个层面捕捉裂缝特征并传递处理结果,形成从输入无砟轨道板巡检图像到输出裂缝宽度测量值的精细化映射.首先,在宏观区域层面采用深度目标检测网络预提取裂缝区域,减少与裂缝相似的非目标区域的噪声和污损.然后,在微观边界层面采用深度语义分割网络逐像素地判识裂缝边界.最后,在几何特征层面采用改进的正交投影法计算沿裂缝边界分布的连续宽度,并统计裂缝的最大宽度、最小宽度、平均宽度、中值宽度和标准差等特征指标值.研究结果表明:在复杂图像背景下,基于宏微观耦合的深度学习算法与U-Net等单一像素的算法相比,裂缝边界判识精度提高约15％,达到84.57％;与传统正交投影法相比,裂缝连续宽度的标准差降低90％,裂缝宽度测量的离散性显著降低.研究成果能够更好地适用于噪声、污损等复杂图像背景下高速铁路无砟轨道板裂缝测量,并可得到更接近真实的裂缝宽度.
文献关键词：
无砟轨道板裂缝;机器视觉;深度学习;宏微观耦合;宽度测量
中图分类号：
作者姓名：
胡文博;王卫东;汪雯娟;彭俊;吴铮;王劲;邱实
作者机构：
中南大学土木工程学院,湖南长沙,410075;中南大学轨道交通基础设施智能监控研究中心,湖南长沙,410075;中南大学重载铁路工程结构教育部重点实验室,湖南长沙,410075;首都经济贸易大学工商管理学院,北京,100026
文献出处：
引用格式：
[1]胡文博;王卫东;汪雯娟;彭俊;吴铮;王劲;邱实-.基于宏微观耦合深度学习的高速铁路无砟轨道板表面裂缝精细化测量)[J].中南大学学报（自然科学版）,2022(05):1965-1975
A类：
无砟轨道板裂缝
B类：
宏微观耦合,高速铁路,表面裂缝,深度学习算法,复杂图,裂缝宽度,几何特征,裂缝特征,处理结果,巡检,宽度测量,测量值,目标检测网络,预提,目标区域,污损,边界层,语义分割网络,像素,素地,正交投影,投影法,界分,平均宽度,中值,特征指标,指标值,Net,离散性,裂缝测量,机器视觉
AB值：
0.211229
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。
