摘要
本发明公开了一种脏污道砟损伤识别方法及装置,本发明涉及铁路损伤检测技术领域。包括以下步骤:首先,采集已知水文特征参数的道砟表面近红外图像,并进行降噪和增强预处理,生成训练样本数据集。基于该数据集建立神经网络预测模型,训练样本图像作为输入,水文特征参数作为标签。采集待检测道砟的近红外图像进行预处理,获得水文特征参数预测值。同时获取脏污颗粒的几何参数。利用几何参数和预测值计算道砟渗水影响系数,并结合道砟的平均粗糙度及振动特征参数生成道砟结构响应系数。最后,采集环境参数并动态修正损伤判断阈值,综合生成道砟损伤指数,与修正阈值对比,生成道砟损伤识别结果。实现了高效、准确的道砟损伤识别。
技术关键词
损伤识别方法
振动特征参数
训练样本图像
脏污
训练样本数据
神经网络预测模型
触针式轮廓仪
水文
粗糙度
LSTM模型
生成训练样本
损伤识别装置
图像增强
积水
指数
建立神经网络模型
损伤检测技术
采集环境参数
系统为您推荐了相关专利信息
数字孪生
机电作动器
故障诊断模型
机电作动系统
训练样本数据
随机森林模型
磨煤机
训练样本数据
参数
灰色关联分析法
训练样本数据
卷积神经网络模型
光伏板
图像检测单元
融合特征
图像特征数据
训练样本数据
多模态
训练样本图像
多层感知机
动态规划方法
脏污
区域环境数据
分布式数据采集
无人机清洗设备