一种基于PCNN与深度学习的钢轨表面检测方法.pdfVIP

下载本文档

0
0
约9.87千字
约 9页
2023-05-20 发布于北京
举报
版权申诉

一种基于PCNN与深度学习的钢轨表面检测方法.pdf

1、本文档共9页，其中可免费阅读8页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于PCNN与深度学习的钢轨表面检测方法，所述方法包括对钢轨表面图像进行预处理；将轨面图像和轨身图像代入基于PCNN的钢轨表面伤损检测模型中，获取伤损区域图像；使用钢轨伤损类型检测模型对钢轨表面的伤损区域图像进行检测，获得伤损检测结果。本发明提供的钢轨表面检测方法采用基于PCNN的钢轨表面伤损检测模型进行检测，PCNN框架与原有热力图回归框架相比，添加了定位子网和图结构姿态优化模块，原有的热力图回归网络得到一个粗略的定位结果，并采样一组建议关键点，称为引导点，而通过定位子网对每个

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114926415 A (43)申请公布日 2022.08.19 (21)申请号 202210486709.1 G06N 3/04 (2006.01)