-
公开(公告)号：CN114580144B
公开(公告)日：2024-05-17
申请号：CN202210047282.5
申请日：2022-01-17
Applicant: 西南交通大学
IPC: G06F30/20 , G06F9/50 , G06T1/20 , G06F119/14
Abstract: 本发明涉及近场动力学问题的加速计算领域，尤其涉及近场动力学问题的GPU并行实施方法。本发明提供了近场动力学问题的GPU并行实施方法，利用GPU设备，使用其读写效率高的寄存器和共享内存进行计算，以及常量参数使用有广播机制的常量内存，从而实现了远高于现有方法的加速效果，克服了未能充分利用GPU设备和并行方案，导致的计算效率提升有限的问题。
-
公开(公告)号：CN115239632A
公开(公告)日：2022-10-25
申请号：CN202210726947.5
申请日：2022-06-23
Applicant: 西南交通大学
IPC: G06T7/00 , G06T5/20 , G06T5/40 , G06V10/34 , G06V10/36 , G06V10/44 , G06V10/764 , G06V10/80 , G01N21/88 , G01N29/06 , G01N29/44 , G06N3/04 , G06N3/08
Abstract: 本发明涉及钢轨图像智能检测算法领域，具体为一种融合巡检图像和超声波图像的钢轨表面伤损检测方法，其包括以下步骤：S1、查找相同里程位置处的钢轨巡检图像和超声波B显图像，按里程号对应命名并保存为jpg格式图片；S2、构建钢轨巡检图像数据集；S3、滤除超声波B显图像中的杂波；S4、构建钢轨表面分割算法提取钢轨表面图像；S5、搭建CUFuse模型；S6、将钢轨巡检图像数据集按8：2划分训练集和测试集，将训练集中的数据输入到CUFuse模型中进行训练；S7、使用测试集对CUFuse模型进行测试；S8、将训练完成的CUFuse模型封装作为插件安装到RUD‑15型双轨式钢轨超声波探伤仪中。本发明通过构建一个相机和超声数据融合模型，从而提高轨道表面缺陷的检测精度和检测效率。
-
公开(公告)号：CN112215263B
公开(公告)日：2022-08-02
申请号：CN202011011012.6
申请日：2020-09-23
Applicant: 西南交通大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , 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。
-
公开(公告)号：CN114332348A
公开(公告)日：2022-04-12
申请号：CN202111351860.6
申请日：2021-11-16
Applicant: 西南交通大学
IPC: G06T17/00
Abstract: 本发明涉及三维重建领域，具体为一种融合激光雷达与图像数据的轨道三维重建方法。其包括如下步骤：S1、将激光雷达传感器、惯导系统安装于手持搭载设备上，并通过数据接口与电脑相连；S2、运行传感器驱动并开始数据采集，使用摄像设备获取照片数据；S3.1、激光点云通过RANSAC算法评估局部区域点的凹凸程度来提取边缘和平面特征点；S3.2、使用SFM重建稀疏点云，而后使用CMVS重建稠密点云；S4.1、进行激光点云与图像点云尺度拟合；S4.2、通过求解对应点变换后的距离误差和来判断当前配准变换的性能；S4.3、融合纹理色彩信息；S5、拟合两组点云。本发明优化了点云密度和点云数据类型，采集设备移动轻便，满足实时移动，三维模型精度高、纹理完善。
-
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
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。
-
Patent Agency Ranking
公开(公告)号：CN112100929A
公开(公告)日：2020-12-18
申请号：CN202011238831.4
申请日：2020-11-09
Applicant: 西南交通大学
Abstract: 本发明涉及轨道动态精调技术领域，涉及一种基于粒子群算法的轨道动态精调方法，包括以下步骤：一、导入不平顺值、轨枕编号及里程坐标；二、计算出水平、轨距、三角坑对应的不平顺值；三、对不平顺值进行插值处理，得到各编号轨枕位置处的不平顺指标；四、设置需要调整的扣件个数N，并将该区段内左右高低、左右轨向绝对值前N大的坐标位置作为待调整扣件；由不平顺值的符号，得到调整量符号；五、得到最大调整单位量U；六、得到初始化调整量；七、利用粒子群算法迭代求解，得到全局最优值。本发明能较佳地实现轨道动态精调。
-
公开(公告)号：CN115239632B
公开(公告)日：2024-04-09
申请号：CN202210726947.5
申请日：2022-06-23
Applicant: 西南交通大学
IPC: G06T7/00 , G06T5/20 , G06T5/40 , G06V10/34 , G06V10/36 , G06V10/44 , G06V10/764 , G06V10/80 , G01N21/88 , G01N29/06 , G01N29/44 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及钢轨图像智能检测算法领域，具体为一种融合巡检图像和超声波图像的钢轨表面伤损检测方法，其包括以下步骤：S1、查找相同里程位置处的钢轨巡检图像和超声波B显图像，按里程号对应命名并保存为jpg格式图片；S2、构建钢轨巡检图像数据集；S3、滤除超声波B显图像中的杂波；S4、构建钢轨表面分割算法提取钢轨表面图像；S5、搭建CUFuse模型；S6、将钢轨巡检图像数据集按8：2划分训练集和测试集，将训练集中的数据输入到CUFuse模型中进行训练；S7、使用测试集对CUFuse模型进行测试；S8、将训练完成的CUFuse模型封装作为插件安装到RUD‑15型双轨式钢轨超声波探伤仪中。本发明通过构建一个相机和超声数据融合模型，从而提高轨道表面缺陷的检测精度和检测效率。
-
公开(公告)号：CN114802342A
公开(公告)日：2022-07-29
申请号：CN202210432971.8
申请日：2022-04-24
Applicant: 西南交通大学
Abstract: 本发明涉及轨道检测领域，具体为一种铁路轨道机器视觉自走行巡检设备，包括车体、全球导航卫星系统平台、推杆、里程编码器、驱动组件、驱动装置、车轮和多源数据采集设备；全球导航卫星系统平台通过桅杆支架连接车体；推杆通过安装板连接车体；车体上设有激光雷达平台、惯导平台、工业相机平台和翻转机构；翻转机构上设有线激光轮廓扫描仪；多个车轮分别通过多个驱动组件转动连接车体；任意一个车轮均通过驱动组件传动连接驱动装置；驱动装置连接驱动组件；任意一个车轮通过驱动组件连接里程编码器；多源数据采集设备位于车体内部。本发明解决了现有轨道检测设备都为单个传感器，无法整合多源数据，限制其使用局限性的问题。
-
公开(公告)号：CN112200225B
公开(公告)日：2022-07-26
申请号：CN202011013157.X
申请日：2020-09-23
Applicant: 西南交通大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06K9/62 , G06T7/10 , G06N3/04 , G06N3/08 , G01N29/06
Abstract: 本发明涉及钢轨探伤技术领域，涉及一种基于深度卷积神经网络的钢轨伤损B显图像识别方法，其包括以下步骤：一、查找焊缝、正常螺孔、异常螺孔和表面伤四类出波情况并保存；二、对原始图片进行填充，将图片尺寸扩展；三、将填充后的数据裁剪；四、横向上沿左右两股钢轨对称轴进行上下对称裁剪为两部分，沿纵向平均裁剪为四部分，最后得到416×416的标准图片；五、打标签操作,将标签文件与图片文件制作成标准数据集；六、构建YOLO‑UAV+min模型；七、对数据集进行聚类分析，得到先验框，将先验框输入到模型中；八、配置网络参数；九、使用模型进行训练。本发明能较佳的识别伤损。
-
公开(公告)号：CN112208506B
公开(公告)日：2021-07-06
申请号：CN202011011009.4
申请日：2020-09-23
Applicant: 西南交通大学
IPC: B60T17/22
Abstract: 本发明涉及铁路货车制动检测技术领域，涉及一种用于铁路货车空气制动装置的智能故障检测方法，包括以下步骤：一、获取正常与各部件不同伤损程度工况下给传感器的气压测量数据构成训练数据集；二、将传感器采集到的累积压力测量数据划分为单次不同的制动状态数据，不同的制动状态包括制动、保压和缓解；三、根据累积差分函数判断制动状态，并进行数据特征提取；四、搭建随机森林，输入提取到的数据特征进行模型参数训练。本发明能较佳地检测铁路货车空气制动装置的故障类型与伤损程度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.024 seconds)
