基于B型图像的重载铁路钢轨伤损智能识别方法

声明

致谢

1 引言

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 目标检测研究现状

1.2.2 钢轨伤损检测研究现状

1.2.3 钢轨探伤系统存在的问题

1.3 本文主要工作

1.4 本文组织结构

2 相关技术研究

2.1 钢轨探伤原理及方法

2.1.1 超声波探伤原理

2.1.2 钢轨探伤方法

2.1.3 钢轨伤损检测模式

2.2 B型图像数据分析

2.2.1 B型图像形成原理

2.2.2 B型图像数据特点

2.2.3 常见B型伤损图谱及特点

2.3 卷积神经网络

2.3.1 卷积运算层

2.3.2 非线性激活层

2.3.3 池化层

2.3.4 全连接层

2.4 主网络架构选择

2.4.1 两阶段检测算法

2.4.2 单阶段检测算法

2.4.3 本文主网络

2.5 本章小结

3 基于多尺度特征融合的钢轨伤损检测方法

3.1 MFDet 模型网络结构

3.1.1 MFDet网络组成

3.1.2 基础网络选择

3.1.3 多尺度特征融合网络TFPN

3.1.4 候选框多层特征映射MLRM

3.2 数据集制作与描述

3.3.1 B 型图像预处理

3.3.2 数据集制作

3.3.3 数据增强与尺度分析

3.3 基于MFDet 模型钢轨伤损检测

3.3.1 实验环境配置

3.3.2 评估指标

3.3.3 MFDet模型训练

3.3.4 实验结果与分析

3.4 本章小结

4 多阶段级联钢轨伤损检测方法

4.1 MCDet 模型结构

4.1.1 级联检测子网络

4.1.2 池化层优化

4.1.3 检测框后处理

4.2 多阶段训练方式

4.3 实验结果与分析

4.4 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集