基于改进卷积神经网络的铁轨伤损图像识别

• 作者: 张亚 曾文文 江白华
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 铁轨探伤 特征提取 卷积神经网络 BP神经网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 19-22,27
• 页数: 5页
• 分类号: TP391
• 字数: 3754字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2019.06.005

摘要

铁轨探伤技术的可靠性关系到铁路运行的安全性.分析BP神经网络、卷积神经网络算法在图片识别中的优势,提出一种结合BP、卷积网络的新算法应用于铁轨伤损检测.改进算法利用卷积神经网络对铁轨样本进行特征提取,仅一次前向运算获得低维度铁轨图,再由BP神经网络对低维度铁轨图特征进行分类训练与测试.实验结果表明,改进算法在已训练好的模型测试中得到较好的误差收敛曲线与较高的测试精度,与BP算法、卷积算法相比,该算法训练时间更少,对铁轨伤损图片识别效果更好,在铁轨伤损检测方面有较好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张亚	安徽理工大学电气与信息工程学院	24	79	5.0	8.0
2	江白华	安徽理工大学电气与信息工程学院	2	3	1.0	1.0
3	曾文文	安徽理工大学电气与信息工程学院	2	7	2.0	2.0