范宏
- 作品数：7 被引量：35H指数：4
- 供职机构：西南交通大学机械工程学院更多>>
- 发文基金：四川省科技计划项目国家自然科学基金四川省科技支撑计划更多>>
- 相关领域：自动化与计算机技术交通运输工程机械工程医药卫生更多>>
- 基于可变形部件模板的扣件状态识别被引量：4
- 2019年
- 针对在铁路钢轨扣件状态自动识别中断裂扣件与正常扣件难以区分的问题,基于DPM算法思路提出DPTM算法用于扣件状态自动检测。为屏蔽扣件图像中背景区域的干扰,根据扣件几何形状设计相应的掩膜模板,并对扣件进行分块得到扣件部件模型。采用弹簧模型度量部件之间相对位置关系、余弦相似性度量HOG特征点之间的相似度,加权融合特征点相似度得到部件相似度,根据各个部件重要性的权重系数组合建立扣件状态分类准则。理论分析和实验结果表明,DPTM算法能够较好地区分正常、断裂和丢失三种状态的扣件,并在优先保证较低漏检率的同时取得较低的误检率。
- 何彪李柏林熊鹰范宏
- 关键词：扣件模式识别
- 高铁扣件的自适应视觉检测算法被引量：9
- 2020年
- 为了实现高铁缺陷扣件的准确、快速和自动化检测,提出一种基于图像处理技术的高铁扣件自适应视觉检测算法.针对高铁扣件图像的特性,使用改进的LBP(local binary pattern)算子提取扣件的显著特征;在扣件特征图的基础上,采用模板匹配算法得到扣件区域在原始图中的精确位置,进而得到扣件子图并用扣件的位置信息校验定位结果;以相邻两个扣件子图的差值作为判断依据,如果差值大于预设的阈值,相应的扣件则被判断为缺陷扣件.将该检测算法应用于高铁工务部门提供的真实扣件图.研究结果表明:本文提出的自适应扣件检测算法在雨天的表现最差,检出率为96%,误检率为0.50%;在晴天的表现最好,检出率为100%,误检率为0.22%;在不同天气、光照、环境下的综合检出率为99%,综合误检率为0.33%.
- 范宏侯云李柏林熊鹰
- 关键词：高速铁路机器视觉图像处理模式识别
- 一种改进的LBP特征实现铁路扣件识别被引量：11
- 2018年
- 为了提高铁路扣件基于视觉的自动化检测精度,提出了一种改进的LBP (local binary pattern)编码算法.该方法为了避免基本LBP对噪声敏感问题,根据不同邻域的不同噪声强度,结合测量误差服从高斯分布的原则,计算邻域内像素均值和偏差;根据偏差大小,自动设置阈值,实现自适应噪声抑制.为了避免基本LBP表达邻域差分关系不完整的缺陷,提出了利用邻域内随机采样的方式得到采样点对,通过比较随机点对的差分关系得到LBP编码.对在晴天、阴天、雨天等不同天气条件下的铁路扣件图像上进行实验,并与原始以及其他改进LBP进行比较.结果表明,本文的算法具有更高的检测准确率,晴天提高了3.32%,阴天提高了3.27%,雨天提高了4.10%,能够满足铁路扣件自动化检测的需要.
- 王强李柏林李柏林侯云
- 关键词：LBP抗噪声扣件图像检测
- TFDS中螺栓故障的自动识别算法研究被引量：3
- 2021年
- 近年来,已有300多套TFDS系统安装在我国铁路线上,以监视货运列车的安全。然而,TFDS系统只能采集、传输图像,列车故障的识别仍然以人眼观察为主。针对TFDS系统中人工识别螺栓故障效率低下的问题,提出了一种基于图像处理的螺栓故障自动识别算法。首先,根据先验知识,从原始图像中截取包括螺栓的感兴趣区域并使用模板匹配技术得到螺栓的精确子图。然后,使用改进的自适应LTP算子提取螺栓子图的特征直方图。最后,将螺栓特征直方图送入训练好的支持向量机实现故障螺栓的识别。不同光照的TFDS图像被用于实验。实验结果表明,该算法对螺栓故障识别取得了很好的表现(漏检率为0.36%,误检率为3.33%,准确率为90.88%),可以满足工程应用。
- 费垚东李柏林范宏
- 关键词：机器视觉故障识别TFDS铁路安全
- 基于区域特征的缺陷扣件视觉检测被引量：7
- 2021年
- 高速铁路线路中的扣件故障会影响高速铁路列车的平顺性,甚至威胁到行车安全。针对扣件视觉检测在复杂背景和光照多变的条件下检测精度低的问题,提出一种基于局部区域特征的缺陷扣件检测算法。从原始图像中截取包括扣件和钢轨的感兴趣区域并对该区域图像进行预处理,接着对预处理后的图像提取极小值区域(二值化),然后基于二值图和模板匹配算法实现扣件区域的精确定位,最后提取扣件区域内上下弹条的局部区域特征并送入决策树完成扣件图像的分类,不同线路的真实图像用于试验。试验证明了算法的有效性,其中漏检率为0.6%,误检率为0.32%,可以满足工程应用需求。
- 范宏侯云李柏林熊鹰
- 关键词：铁路扣件机器视觉模式识别
- 基于黎曼流形反距离插值的纤维追踪技术研究被引量：1
- 2011年
- 目的提高纤维追踪的精度,有助于理解正常脑功能。材料与方法在流线追踪的基础上,引入黎曼测度和反距离权重,从而完成对当前点的张量值插值。结果新插值方法追踪出的纤维比传统插值方法的更长,更平滑。结论该算法是一种有效的纤维追踪技术。
- 范宏邹翎王凯李柏林高业文
- 关键词：弥散张量成像纤维束成像黎曼流形
- 基于代价敏感卷积神经网络的扣件缺陷检测算法被引量：5
- 2021年
- 为解决扣件数据集不平衡问题,引入代价敏感策略对卷积神经网络算法进行改进,并以此检测断裂、丢失的缺陷扣件。该算法借鉴AdaBoost算法的思路,在训练过程中对整体误差函数中每个样本分配不同的权重,并依据先前模型的错误率不断地加以调整,使算法关注各个类别中的难学习样本,并对调整后的权重按类别进行归一化处理,以增大小类样本的关注度。分别在高速铁路无砟轨道和普速铁路有砟轨道2个扣件数据集上进行对照试验验证算法的有效性。引入G-mean作为评价指标平衡不同类别的召回率。结果表明:将改进后算法应用于高速铁路无砟和普速铁路有砟轨道的扣件数据集,改进后算法的G-mean值比原算法分别提高10%和25%以上;比传统的扣件识别方法分别提高13%和39%以上。
- 侯云范宏熊鹰李立李柏林
- 关键词：卷积神经网络
