快速特征金字塔和Soft-Cascade在折角塞门图像故障检测中的应用

• 作者: 孙国栋 张杨 林凯 赵大兴 高媛
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 机器视觉 折角塞门 快速特征金字塔 Soft-Cascade算法
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 运载工程
• 页码范围: 947-952
• 页数: 6页
• 分类号: TN911.73
• 字数: 3395字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190078

摘要

为了提升列车折角塞门的故障检测效率,提出了一种基于快速特征金字塔和So.Cascade的故障图像检测算法.首先,构建快速特征金字塔模型来提取图像多尺度聚合通道特征;其次,利用向量化后的多尺度聚合通道特征来训练Soft-Cascade故障分类器;最后,利用训练好的分类器来判断待检折角塞门是否含有故障.实验结果表明:该算法的故障检测正确率为97.33％,离线检测速度高达43 fps(每张图像仅需23 ms),检测效率高于其他算法.该算法训练时间短,检测速度快,硬件要求低,能满足列车折角塞门的故障检测要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵大兴	湖北工业大学机械工程学院	95	345	10.0	13.0
2	孙国栋	湖北工业大学机械工程学院	51	125	6.0	8.0
3	张杨	南京大学计算机科学与技术系	8	16	2.0	4.0
4	林凯	湖北工业大学机械工程学院	5	11	1.0	3.0
5	高媛	湖北工业大学机械工程学院	6	19	3.0	4.0