简介:摘要:轨道的几何参数的检测是列车能够安全运行的基本保障。但列车在低速连续运动时进行轨道几何参数检测的过程中受到了陀螺仪和加速度计累计误差的影响,使得最终检测结果的精确度就受到明显的影响而降低。本文采用机器视觉与惯性信息融合的轨道几何参数检测方法以解决上述问题,在轨道几何参数检测的时候先将多个传感器融合在一起,然后再通过卡尔曼滤波算法对机器视觉检测和惯性信息进行融合,提高了轨道几何参数检测结果的精度,最后在通过相应的测量平台对机器视觉与惯性信息融合的轨道几何参数检测进行相应的试验验证,结果表明本检测方法的测量精度比常规的惯性测量精度高 5倍左右。
简介:【摘要】 国内外学者对环境感知开展了深入的研究,车道线参数是所要感知的重要信息之一。车道线检测常采用视觉传感器,将俯视图转换成灰度图,寻找积分投影图中代表车道线的波峰位置,在灰度图中定位搜索窗口位置,记录窗口内部点的位置,进行二次曲线拟合,得到车道线方程。
简介:摘要:随着我国社会以及经济的不断进步,人们生活以及工作对电力的需求也越来越大。如何在人们的生活质量和工作效率不受影响的状态下,有效的供应电能,是目前电力工作者面临的一大难题。在这样的背景下,状态检修应运而生。状态检修指的是通过对设备进行带电检测的方式,发现设备是否存在安全隐患。如果发现存在安全隐患,会对这些设备进行单独的停电检修处理。应用多光谱图像融合的相关电力设备故障点的检测方法在智能电网的状态检修系统中变得非常重要。
简介:摘要:针对目前常用的目标检测算法检测PCB板表面缺陷具有定位不准确、细小缺陷难以检测等问题,本文提出了多尺度特征融合的YOLO V3(Multiscale Feature Fusion,MFF-YOLO V3)PCB缺陷检测方法。受YOLO V3模型启发,通过设计卷积神经网络提取多尺度图像特征,将生成的多尺度特征进行融合以生成单尺度图像特征,然后运用聚类方法以实现对PCB板缺陷的准确定位。与YOLO V3不同在于,通过提高多尺度图像特征的分辨率并进行融合,提高了模型对PCB板微小缺陷的检测能力;为实现PCB板缺陷的精准定位,采用以AvgIOU为金标准的K-means算法实现候选目标区域的重定义。同时,由于MFF-YOLO V3实现了单输出以实现特征的提取,减小卷积层的层数,从而减小网络训练的计算量。通过在DeepPCB数据集上进行测试,其mAP较YOLO V3提升了9.2%,准确率达到了87.9%。实验表明,多尺度特征融合YOLO V3的PCB板表面缺陷检测方法能够更有效的检测PCB板缺陷,基本满足工业检测要求。
简介:摘要:公路桥梁为交通运输业的飞速发展做出了巨大贡献,桥梁的技术状况或承载能力检测是公路管养单位的重要工作。桥梁检测的目的在于评价桥梁状况,最终为制定桥梁养护对策提供依据和支持。在工程实践中,常见的桥梁检查有日常经常性检查、定期检查和特殊检查,必要时安排特殊的巡查,通过这些检查可以及时发现桥梁在使用过程中出现的病害,并能跟踪桥梁病害的发展趋势。但检查信息和监护建议多是孤立的存在:检测单位提交检测报告和养护建议,将每座桥梁的检测信息录入系统;管养单位想要进行科学决策还需要翻阅资料,不能有效对比管养路段全线桥梁,难以对全线采取综合的管养措施。有些管养单位建立了综合的数据管理平台,但相关检测信息也较孤立,不能有效帮助养护决策。如何将多源数据进行有效融合,成为桥梁检测专业技术人员值得研究的问题。国内学者专家也对多元化桥梁检测信息的综合应用进行了初步研究,并取得了部分成就,但就工程实践的深度和广度还不够。本研究通过对公路桥梁检测评价管理进行调研,详细分析了公路桥梁经常性检查数据、定期检查数据及特殊检查数据的数据类型,探讨了各类型数据在桥梁养护中的作用,并对这些多源数据的融合问题进行分析研究,提出将日常的各项检测信息进行集中共享融合,从而使管养单位技术人员能够直观判断桥梁目前的技术状况,有利于桥梁养护工作的科学决策。