基于前景分割的扣件状态识别算法

摘要：

针对在现实场景中检测铁路扣件状态时,因图像背景常包含电缆、油污等干扰物和环境不同而产生的图像亮度差异等因素造成的扣件状态检测精度不足的问题,提出一种基于前景分割的复杂场景下扣件状态识别方法.首先,改进深度学习网络PSPNet的特征提取层,提高算法的运行速度和正确率,并利用改进后的PSPNet分割出扣件图像的弹条区域和钢轨边缘等前景部分,消除复杂背景对扣件检测的干扰;然后,通过LBP算法提取扣件前景的特征,去除光照对扣件检测的影响;最后,将特征使用支持向量机进行扣件状态检测.提出的算法在测试集中总体精度达98.50％,实验证明,该方法在检测复杂场景下铁路扣件状态中具有很好的鲁棒性.

关键词：扣件;状态检测;前景分割;PSPNet;LBP;支持向量机

所属期刊栏目：65

分类号：U216.3;TP183;TP391.41(铁路线路工程)

资助基金：国家自然科学基金项目;上海市科委重点支撑项目

在线出版日期：2021-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：28-34