公开(公告)号：CN119444682A

公开(公告)日：2025-02-14

申请号：CN202411465548.3

申请日：2024-10-21

Applicant: 中铁第一勘察设计院集团有限公司

Inventor： 苏成光 ,  李艳龙 ,  张鹏 ,  张岷 ,  梁栋 ,  褚卫松 ,  卢明 ,  程培涛 ,  方家 ,  姚宇飞 ,  武钰斌 ,  李佳静

IPC: G06T7/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于LAH‑YOLO的钢轨表面缺陷检测方法。YOLOv5‑s算法在钢轨表面缺陷数据集上的检测精度仍需提升。本发明获取钢轨表面图像，将所述钢轨表面图像输入构建好的LAH‑YOLO缺陷检测网络；所述LAH‑YOLO缺陷检测网络包括骨干网络、特征融合网络和检测头；所述骨干网络包括GRF‑C3模块，特征融合网络为AFPN特征融合网络。本发明适用于小目标和小样本数据集，在降低参数量的同时，显著提升了检测精度，在钢轨表面缺陷数据集上具有更好的检测性能。

公开(公告)号：CN116340818A

公开(公告)日：2023-06-27

申请号：CN202310267703.X

申请日：2023-03-17

Applicant: 西安电子科技大学 ,  中铁第一勘察设计院集团有限公司

Inventor： 程培涛 ,  高凯 ,  王秀美 ,  苏成光 ,  张岷 ,  魏周春

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/048 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种轨检数据干扰因素特征识别方法，包括：获取待测的轨检数据；通过模式识别确定待测的轨检数据的干扰类别是否为轨距机故障；若不是，则将待测的轨检数据分别输入至训练完成的第一识别网络和第二识别网络，得到对应的第一识别结果和第二识别结果；根据第一识别结果和第二识别结果，确定待测的轨检数据是否存在干扰以及干扰类别；其中，第一识别网络和第二识别网络均为基于通道注意力的深度学习网络，基于通道注意力的深度学习网络包括级联的特征提取模块和分类模块。本发明的方法，利用深度学习网络对多通道、振动情况复杂的轨检数据进行干扰因素特征特征识别，提高了轨检数据的干扰因素的识别效率和精度。