典型文献
基于YOLOv4和AlexNet的吊弦尼龙套缺失检测方法
文献摘要：
尼龙套是高速铁路接触网中吊弦的重要组成部分之一,它的缺失容易导致承力索烧伤,给铁路运输带来重大安全隐患.然而"尼龙套缺失"这一目标微小且所处环境复杂,往往需要依赖精妙的算子来定位,且尼龙套缺失样本较少,使得识别困难.为此,文章采用"先检测再分类"的方法,提出一种基于YOLOv4目标检测和AlexNet图像分类网络的检测方案来识别尼龙套缺失故障.该方案首先利用YOLOv4检测出吊弦区域,然后通过接触网中固定的几何关系定位尼龙套区域,最后基于AlexNet网络进行分类判断,并采用数据增强方法解决样本不平衡的问题,大大提高了检测的准确性.通过这种方法可以避免单一目标检测算法对小目标检测识别率低的缺陷,并且通过简单的分类网络在避免人工提取分类算子复杂性的同时保证了算法的计算效率,满足实际运用中的实时性要求.文中所提方法具有较高的准确率和较低的误报率,可以运用在3C弓网检测装置中实现对吊弦尼龙套缺失的实时检测.
文献关键词：
小目标检测;YOLOv4;AlexNet;3C检测;吊弦尼龙套
中图分类号：
作者姓名：
张慧源;孙木兰;陈豪
作者机构：
株洲中车时代电气股份有限公司,湖南 株洲 412001
文献出处：
引用格式：
[1]张慧源;孙木兰;陈豪-.基于YOLOv4和AlexNet的吊弦尼龙套缺失检测方法)[J].控制与信息技术,2022(03):67-72
A类：
吊弦尼龙套
B类：
YOLOv4,AlexNet,缺失检测,高速铁路接触网,烧伤,铁路运输,运输带,大安全,环境复杂,精妙,图像分类网络,检测方案,案首,中固,几何关系,关系定位,类判,数据增强,增强方法,样本不平衡,目标检测算法,小目标检测,目标检测识别,识别率,取分,类算子,计算效率,实际运用,误报率,3C,检测装置,实时检测
AB值：
0.280326
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。
