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 |
| |
引用本文: | 孙国栋,林凯,高媛,张杨,赵大兴.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[J].机械科学与技术(西安),2019(6):947-952. |
| |
作者姓名: | 孙国栋 林凯 高媛 张杨 赵大兴 |
| |
作者单位: | 湖北工业大学机械工程学院;南京大学计算机科学与技术系 |
| |
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Soft-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。
|
关 键 词: | 机器视觉 折角塞门 快速特征金字塔 Soft-Cascade算法 |
Application of Fast Feature Pyramids and Soft-Cascade in Image Fault Detection for Angle Cock |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|