基于卷积神经网络的铁轨伤损检测研究

作者：王锐; 来文豪; 李仲强

来源：河南城建学院学报, 2018, 27(06): 71-76.

DOI：10.14140/j.cnki.hncjxb.2018.06.012

• 卷积神经网络
• 铁轨伤损
• 图像识别
• 机器视觉

针对铁轨伤损检测时人工识别主观性较强且效率低下问题,提出一种基于LeNet卷积神经网络算法的深度学习模型进行铁轨伤损图像的识别方法。本文通过批量归一化方法设计卷积神经网络,以Sigmoid为激活函数,Max-pooling为池化法,并采用Softmax回归分类器,对卷积神经网络结构进行优化。通过卷积神经网络,对分类铁轨检测图像进行训练和检测,得到实时位置。实验结果表明,该方法对实际伤损识别率最高达96. 25%,可以有效避免人工识别带来的问题,并且该方法的准确率高于BP神经网络和支持向量机,为解决铁轨伤损检测问题提供了依据。

• 单位
  安徽理工大学