典型文献
基于AlexNet神经网络的手推式双轨探伤仪超声检测系统研究
文献摘要：
针对传统方法对钢轨各部位探伤需要采用不同的探伤设备,效率低,并且无法综合评价钢轨质量的问题,设计可以兼顾钢轨内部伤损(含垂向裂纹)和钢轨表面伤损检测的手推式双轨探伤仪.介绍手推式双轨探伤仪超声检测系统组成、工作原理、探伤方法和伤损自动识别方法.详细论述伤损自动识别方法的技术架构、基于无监督聚类的B显数据分割方法和AlexNet神经网络架构,并针对标准样轨4类典型钢轨伤损进行验证.验证结果表明,基于改进的无监督聚类与AlexNet神经网络自动识别算法识别准确率可达90％以上,钢轨伤损图像提取准确率达到98.53％.手推式双轨探伤仪超声检测系统可以同时检测2股钢轨,自动判别伤损,有效识别钢轨伤损特征,较好地解决了现场判读工作量大的问题.
文献关键词：
钢轨伤损;超声波探伤;伤损自动识别;算法;神经网络
中图分类号：
作者姓名：
王旭华;郑韵娴;安尚文;黄凤英;吕关仁
作者机构：
中国铁路济南局集团有限公司工务部,山东 济南 250001;中国铁道科学研究院集团有限公司金属及化学研究所,北京 100081;北京中铁科新材料技术有限公司,北京 100081
文献出处：
引用格式：
[1]王旭华;郑韵娴;安尚文;黄凤英;吕关仁-.基于AlexNet神经网络的手推式双轨探伤仪超声检测系统研究)[J].铁道技术监督,2022(04):19-24
A类：
伤损自动识别
B类：
AlexNet,手推式,双轨,探伤仪,超声检测系统,系统组成,自动识别方法,细论,技术架构,无监督聚类,数据分割,分割方法,神经网络架构,标准样,型钢,钢轨伤损,自动识别算法,算法识别,识别准确率,图像提取,同时检测,别伤,判读,超声波探伤
AB值：
0.226442
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。
