電子發燒友網>電子資料下載>人工智能>使用機器學習實現接觸網圖像檢測的研究論文免費下載

使用機器學習實現接觸網圖像檢測的研究論文免費下載

4045537 2020-06-18 | pdf | 4.40 MB | 次下載 | 免費

資料介紹

　　高速鐵路近年來的快速發展，帶來的接觸網檢測任務日益繁重。傳統的人工檢測已經滿足不了路局日常檢測的需要，實時在線的自動檢測技術迫在眉睫。目前來看，雖然在接觸網圖像檢測這一塊的研究和論文有很多，然而實際應用卻不多，或者效果不盡人意。究其主要原因在于接觸網零器件的復雜和背景環境變化的劇烈，尤其在高速條件下，使得圖像的處理與識別變得十分困難。本文通過使用機器學習中的算法：支持向量機 SVM 分類器，來完成接觸網圖像檢測中的應用的研究。在文章中首先介紹了支持向量機的算法原理，然后介紹了當前主流的幾種圖像特征提取理論。并以受電弓碳滑板檢測與接觸網支持裝置上的絕緣子檢測及接觸網定位器定位為例，通過程序流程的描述，闡述了支持向量機的具體應用方法。最后以 C++與 OPENCV 庫為平臺完成實驗的驗證，并得出實驗結論：支持向量機在接觸網碳滑板圖像檢測中，在犧牲部分查準率的情況下，可以達到較高的查全率，能滿足碳滑板安全性的檢測要求；在絕緣子檢測中，對比了不同核函數情況下，不同支持向量機的分類效果，其中高斯核比較適用于依據灰度共生矩陣為分類特征的向量機；在定位器坡度識別時，SVM 可以實現定位器的快速定位，增加檢測效率。可見在支持向量機在接觸網圖像檢測中，具有較高的應用價值。其關鍵在于：一。妥善解決部件的圖像分割;二。選取最適合的圖像特征進行提取;三。需要數據量足夠的樣本庫支持；在解決了這三個關鍵點后，支持向量機就能快速識別出故障圖片，做到實時自動檢測。