科技查新报告

报告编号：科技查新报告（格式）项目名称：基于卷积神经网络的铁轨扣件识别检测委托人：赵鑫欣委托日期：2014年11月查新机构（盖章）：查新完成日期：2014年11月14日中华人民共和国科学技术部二○○○年制42查新项目名称中文：基于卷积神经网络的铁轨扣件识别检测英文：TherecognitiondetectionofrailboltbasedonConvolutionalNeuralNetworks查新机构名称北京交通大学通信地址北京市海淀区上园村邮政编码100044负责人邓要武电话传真联系人赵鑫欣电话[phone]电子信箱[e-mail]一、查新目的《信息检索》课作业二、查新项目的科学技术要点1、项目概述、选题的目的、背景和研究意义目前国内外对于铁轨扣件检测的方法主要是采用视觉信息处理的技术。但是由于扣件检测问题的应用环境较复杂，易受光照，天气，铁轨状态的影响，所以直至现在，依然没有特别实用的方法。其算法采用了人脸识别领域中比较成熟的基于Haar特征的CascadeAdaboosting算法。所以，他们将这个方法应用到了扣件识别上，也获取了很好的效果。但是Haar特征对物体的描述具有旋转不变性，而正常的扣件的朝向是固定的，所以这种特性在扣件检测上并没有优势，反而会增加计算复杂度，同时Adaboosting算法也需要大量的训练，必须拥有大量的正负样本，并且使用大量的训练时间，而且其最终的分类效果也和样本的选取密切相关。本项目对铁轨扣件的识别检测算法是基于卷及神经网络并行算法的，具有参数少、计算效率高、得到的边缘连续完整等优点。利用卷及神经网络算法对铁轨扣件进行检测，并将其检测结果与传统的检测器进行对比。取一定数量的样本，通过调整算子中的高低阈值，找到更加适检测的阈值。为后续的扣件检测操作奠定基础。2、主要研究内容（着重说明技术内容）(1)铁轨扣件检测扣件检测算法中对扣件分类的方法使用了固定阈值的方法。这种方法虽然能够非常髙效地对扣件进行分类,判断出扣件区域内扣件是否存在。但是经过后期的大量实验发现,不同线路、甚至同一线路不同时间段或者不同路段的扣件与非扣件的差异度非常大。不能通过一种简单的线性方法对扣件与非扣件进行划分。因此,使用固定闽值的方法并不能很好地解决扣件检测的问题。(2卷积神经网络算法很多隐层的人工神经网络具有优异的特征学习能力，学习得到的特征对数据有更本质的刻划，从而有利于可视化或分类，深度神经网络在训练上的难度，可以通过“逐层初始化”来有效克服，逐层初始化是通过无监督学习实现的。42三、查新点与查新要求查新点：卷积神经网络算法运用于铁轨扣件识别检测。查新要求：对本查新项目(查新点)的新颖性作出判断；查找国内/外是否有与本项目相同或类似的研究；查找国内/外有关本项目的科技文献报道。四、文献检索范围及检索策略中文检索词：1、扣件识别2、深度学习3、动态模板库4、HoG特征5、基准测试集6、图像处理7、GPU加速8、并行计算9、铁轨扣件10、卷积神经网络11、有监督学习12、无监督学习中文检索式：1、(图像处理)与(扣件识别)2、(有监督学习与并行计算)非(无监督学习)3、((卷积神经网络)或(深度学习))与(识别检测)与(铁轨扣件)检索的中文数据库：1、万方数据资源系统包库入口（期刊）2、CNKI包库入口1(博硕士)外文检索词：1、boltrecognition2、deeplearning3、dynamictemplateset4、HoGdescriptor5、benchmark6、imageprocessing7、GPUacceleration8、parallelcomputing9、railbolt10、ConvolutionalNeuralNetworks11、Supervisedlearning12、imagedetedtion外文检索式：1、(rail)and(imageprocessing)and(recognitiondetection)2、((deeplearning)and(rail))3、((ConvolutionalNeuralNetworks)or(deeplearning))and(boltdetection)and(railbolt)检索的外文数据库：1、ACM镜像入口(proceeding)2、FirstSearch(OCLCWorldCatDissertations硕博士论文数据库)五、检索结果国内检索情况：通过对2个中文相关数据库、网络资源的检索范围和1个中文检索式的检索，获得密切与较密切相关文献共计2篇，分别是：[1]万方数据资源系统包库入口（期刊）题名：一种基于计算机视觉的铁轨扣件缺失检测方法作者：杨樊，陈建政，吴梦出处：《电脑知识与技术》文摘：针对传统扣件检测方法式效率低、可靠性差，不能满足现代铁路检修的需要，提出了一种基于计算机视觉的扣件缺失自动检测方法。在对灰度图像进行Canny边缘检测处理后采用十字交叉定位法对扣件位置进行定位，得到120×200像素的扣件区域，并提取扣件图像的20个边缘特征值；最后，利用模糊C均值聚类算法对这两类的特征量进行聚类分析，通过计算待诊断对象与标准模式的隶属度实现对扣件状态的分类。应用验证表明：采用的图像处理方法和识别分类算法能够有效检出轨道扣件缺失，检测速度快，鲁棒性好，检出率达96%。42[2]CNKI包库入口1(博硕士)题名：基于计算机视觉的铁路扣件缺失快速探测方法研究作者：钱广春出处：上海交通大学文摘：铁路扣件是维系铁路运输安全的重要部件,扣件缺失很有可能酿成列车脱轨等重大事故,扣件的自动化探测是发展铁路事业必须要面对的问题。当前我国铁路尤其是高速铁路的快速发展,使得这问题日益突出。如何利用现代科学技术实现快速而准确的扣件探测成为项重要课题。用计算机视觉技术实现扣件自动探测是当前国际上普遍采用的方案。计算机视觉检测使用图像传感器获取被测对象的图像信息,由计算机对图像进行处理,完成测量功能,具有非接触、速度快、精度高、信息量大、智能化程度高、适应能力强等优点。本课题根据国内外扣件探测方法的研究现状,以铁道部“高速铁路轨道扣件缺失探测”为项目背景,研究基于计算机视觉的铁路扣件缺失快速探测方法。主要研究内容是探讨探测系统的整体设计方案,分析并设计探测系统的各部分组成,同时研究扣件识别的快速算法,实现铁路扣件的自动化在线同步检测。基于计算机视觉检测方法的基础,本论文提出了探测系统的硬件设计方案。以工控机为中央控制核心,控制高速相机采集图像,辅以扣件定位系统和照明系统,搭建了完整的扣件探测硬件系统。在正常运行时,定位系统在扣件处于视场中央时给高速相机发送外触发信号,相机采集图像,并将图像发送到工控机。国外检索情况：[1]ACM镜像入口(proceeding)题名：Inspectionofrailsurfacedefectsbasedonimageprocessing作者：ZeLiu,WeiWang,XiaofeiZhang,WeiJia出处：Proceedingsofthe2ndinternationalAsiaconferenceonInformaticsincontrol,automationandrobotics文摘：（写中文）本文提出了一种钢轨表面缺陷检测方法的基础上的自动化机器视觉系统。两种缺陷图像包括在钢轨表面裂纹，用此方法分析。一些相关的算法，包括图像去噪，图像分割和特征提取是应用在钢轨表面缺陷图像处理。然后缺陷准确提取区域和动态阈值和特征匹配识别。计算下的钢轨头部缺陷检查评价裂缝的表面磨损的钢轨头部和长度的百分比。[2]FirstSearch(OCLCWorldCatDissertations硕博士论文数据库)题名：Visualinspectionofrailroadtracks作者：Babenko,Pavel出处：UniversityofCentralFlorida文摘：（写中文）在本文中，我们已经开发了轨距测量的计算机视觉的方法，并在铁路和轨道结构缺陷定位可靠的鉴定。轨距是两个平行的钢轨内侧面之间的距离。我们已经开发了轨距评价两种方法。针对不同的硬件设置，这些方法：第一种方法与两对未对齐的摄像机，而第二种方法与深度图生成由成对的激光测距扫描仪。我们还开发了一种用于如损坏或漏钢轨扣件，轨道缺陷检测方法，基于相关的MACH过滤器。最后，为了使我们的算法的实时执行，我们已经开发了基于GPU的并行计算算法。六、查新结论针对“基于卷积神经网络的铁轨扣件识别检测”课题进行了国内外资源的检索，共查找4个有关数据库，从其存储的国内外文献和专利中得到较密切相关文献4篇。对文献分析如下：在国内有一种基于计算机视觉的铁轨扣件缺失检测方法；基于计算机视觉的铁路扣件缺失快速探测方法研究；国外有Inspectionofrailsurfacedefectsbasedonimageprocessing；Visualinspectionofrailroadtracks；等的公开报导通过检索，将检出的相关文献与本课题研究内容进行全面的比较、分析，可以得出如下结论：该项目以卷积神经网络的铁轨扣件识别检测作为研究方向，以卷及神经网络检测算法作为检测方法，对铁轨扣件的图像进行更加有效的识别检测，目的在于为图像增强、目标区域分析与识别、图像分割、纹理特征提取等图像处理领域奠定重要基础，从而采用有效的识别手段，达到铁轨检测的作用。通过比较几种常用的检测方法对铁轨扣件图像的识别检测结果，提出一种基于卷积神经网络检测算法,采用迭代算法计算最佳高低双阈值。其应用动态阈值作为检测的准则,在图像的检测中有效地避免了因为用固定阈值进行边缘检测很可能导致识别丢失(或者表现为边界上的不连续性)等问题。实验结果表明,该算法可减少干扰边缘和噪声的影响,能突显铁轨扣件图像的检测特征。42查新员（签字）：查新员职称：审核员（签字）：审核员职称：（科技查新专用章）年月日七、查新员、审核员声明查新员（签字）：审核员（签字）：年月日年月日八、附件清单九、备注填写说明一、在填写本报告之前，应当仔细阅读《科技查新规范》的第9部分。二、查新报告格式说明本报告采用A4纸，左、右页边距为28mm，上、下页边距为30mm。每栏的大小可随内容调整。三、报告内容应当打印；签字使用钢笔或者炭素笔。四、“报告编号”的填写方法报告编号为十四位，左起第一至四位为公历年代号，第五、六位为省、自治区、直辖市编码，第七、八、九位为查新机构编号，第十至十四位为报告序号，以上编号不足位的补零。五、查新目的可分为立项查新、成果查新等。立项查新包括申报各级、各类科技计划，科研课题开始前的资料收集等；成果查新包括为开展成果鉴定、申报奖励等。六、查新项目的科学技术要点本报告中的科学技术要点应当以查新合同中的科学技术要点为基础，参照查新委托人提供的科学技术资料做扼要阐述。七、查新点与查新要求本报告中的查新点和查新要求应当与查新合同中的一致。查新点是指需要查证的内容要点。查新要求是指查新委托人对查新提出的具体愿望。一般分为以下四种情况：（1）希望查新机构通过查新，证明在所查范围内国内外有无相同或类似研究；（2）希望查新机构对查新项目分别或综合进行国内外对比分析；（3）希望查新机构对查新项目的新颖性作出判断；（4）查新委托人提出的其他愿望。八、文献检索范围及检索策略应当列出查新员对查新项目进行分析后所确定的手工检索的工具书、年限、主题词、分类号和计算机检索系统、数据库、文档、年限、检索词等。九、检索结果应当根据查新项目的科学技术要点，将检索结果分为密切相关文献和一般相关文献。通过对所检数据库和工具书命中的相关文献情况及对相关文献的主要论点进行对比分析的客观情况，按下列书写层次撰写：①对所检数据库和工具书命中的相关文献情况进行简单描述；②依据检出文献的相关程度分国内、国外两种情况分别依次列出；③对所列主要相关文献逐篇进行简要描述（一般可用原文中的摘要或利用原文中的摘要进行抽提），对于密切相关文献，可节录