公开(公告)号：CN112215264B

公开(公告)日：2022-04-12

申请号：CN202011013145.7

申请日：2020-09-23

Applicant: 西南交通大学

Inventor： 何庆 ,  王启航 ,  刘勇 ,  王平 ,  高天赐 ,  李晨钟 ,  高岩 ,  陈正兴 ,  杨康华 ,  王晓明 ,  曾楚琦 ,  付彬

IPC: G06K9/62 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及钢轨磨耗检测技术领域，具体地说，涉及一种基于钢轨光带图像的钢轨磨耗检测方法，其包括以下步骤：一、采集钢轨光带图像和磨耗数据；二、划分数据集，标注钢轨光带图像，并进行MaskR‑CNN训练；三、根据提取的钢轨光带图像与相对应的磨耗分类训练深度学习模型；四、将训练得到的模型对钢轨磨耗进行检测。本发明测量结果稳定，具有很强的鲁棒性。

公开(公告)号：CN112329520B

公开(公告)日：2023-01-31

申请号：CN202011011024.9

申请日：2020-09-23

Applicant: 西南交通大学

Inventor： 何庆 ,  李晨钟 ,  唐海川 ,  汪建辉 ,  刘琦 ,  李杰波 ,  王平 ,  杨康华 ,  李子涵 ,  高天赐 ,  王启航

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/094 ,  G01M7/02 ,  G01M13/045

Abstract: 本发明涉及轴承故障识别技术领域，涉及一种基于生成对抗学习的货车轴承故障识别方法，包括：1、建立轮对振动试验台，设计并制作不同故障类别的滚动轴承，进行测试，获取振动信号；2、数据处理；3、建立一维信号的卷积神经网络模型，将源域数据输入到模型中进行参数预训练；4、通过生成对抗网络模型进行训练；5、利用训练后的生成对抗网络模型合成大量目标域数据，利用合成的数据对卷积神经网络进行二次训练；6、使用所述卷积神经网络对未知数据进行测试。本发明能够利用生成对抗网络模型解决了训练数据量不足的问题，能够结合深度学习方法对各类故障类型的数据进行分类。

公开(公告)号：CN112215264A

公开(公告)日：2021-01-12

申请号：CN202011013145.7

申请日：2020-09-23

Applicant: 西南交通大学

Inventor： 何庆 ,  王启航 ,  刘勇 ,  王平 ,  高天赐 ,  李晨钟 ,  高岩 ,  陈正兴 ,  杨康华 ,  王晓明 ,  曾楚琦 ,  付彬

IPC: G06K9/62 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及钢轨磨耗检测技术领域，具体地说，涉及一种基于钢轨光带图像的钢轨磨耗检测方法，其包括以下步骤：一、采集钢轨光带图像和磨耗数据；二、划分数据集，标注钢轨光带图像，并MaskR‑CNN训练；三、根据提取的钢轨光带图像与相对应的磨耗数据训练深度学习模型；四、将训练得到的模型对钢轨磨耗进行检测。本发明测量结果稳定，具有很强的鲁棒性。

公开(公告)号：CN112215263A

公开(公告)日：2021-01-12

申请号：CN202011011012.6

申请日：2020-09-23

Applicant: 西南交通大学

Inventor： 何庆 ,  王晓明 ,  王平 ,  王启航 ,  高天赐 ,  李晨钟 ,  高岩 ,  杨康华 ,  陈正兴 ,  付彬 ,  曾楚琦

IPC: G06K9/62 ,  G06T7/00 ,  G06F16/16 ,  G06F16/51 ,  G06N3/04

Abstract: 本发明涉及钢轨波磨检测技术领域，涉及一种基于深度卷积神经网络的钢轨波磨检测方法，其包括以下步骤：一、拍摄钢轨顶面图像，并保存；二、挑选出长波磨、短波磨和非波磨的图片并标定；三、提取图像中间的钢轨区域；四、创建训练集数据存放文件夹；五、创建测试文件夹；六、将图片按照原图片灰度值的0.6倍、0.8倍、1.2倍和1.4倍进行变换；七、使用DenseNet模型构造深度卷积神经网络；八、将训练集导入构建的深度卷积神经网络模型进行训练；九、将测试集输入到深度卷积神经网络中进行测试，并统计评价指标值。本发明能够实现长、短波磨的有效和高速检测，并实现对光照强度变化的鲁棒性。