原文服务方: 铁道车辆       
摘要:
基于机器视觉自动检测方式,提出了一种多任务卷积神经网络检测螺栓异常的方法.该方法相比传统图像比对检测故障方式,准确率及检测效率均有较大提升.
推荐文章
基于神经网络的轨道车辆振动预测
神经网络
动力学模型
轨道不平顺
车体振动加速度
基于马尔科夫模型和卷积神经网络的异常数据检测方法
异常检测
马尔科夫模型
卷积神经网络
多维数据
基于深度时空卷积神经网络的人群异常行为检测和定位
人群异常行为检测
深度时空卷积神经网络
迁移学习
数据扩充
基于卷积神经网络的目标检测研究综述
卷积神经网络
目标检测
深度学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多任务卷积神经网络的轨道车辆螺栓异常检测方法
来源期刊 铁道车辆 学科
关键词 多任务卷积神经网络 螺栓异常 图像对比
年,卷(期) 2020,(5) 所属期刊栏目 问题讨论
研究方向 页码范围 29-32
页数 4页 分类号 U270
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李振宝 3 0 0.0 0.0
2 王勇 5 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (44)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多任务卷积神经网络
螺栓异常
图像对比
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
铁道车辆
月刊
1002-7602
37-1152/U
大16开
1963-01-01
chi
出版文献量(篇)
4615
总下载数(次)
0
总被引数(次)
14363
论文1v1指导