Resumen

Hay tres problemas principales en la detección de defectos en sujetadores de vía férrea basada en imágenes: (1) El número de imágenes de sujetadores anormales es escaso, y es difícil establecer un modelo de detección de aprendizaje supervisado. (2) Las características de los datos potenciales obtenidos por diferentes métodos de extracción de características son diferentes. Algunos métodos se centran en características de borde, y otros métodos se centran en características de textura. Las diferentes características tienen capacidades de detección diferentes, y estas características no se fusionan y utilizan de manera efectiva. (3) La detección del clip del sujetador de vía férrea será interferida por la subimagen del perno del sujetador de vía férrea. Para abordar los tres problemas anteriores, se propone un método para la detección de defectos en sujetadores de vía férrea basado en la Red de Fusión de Características Locales Profundas (LDFFN). En primer lugar, se utiliza un método de segmentación de imágenes de sujetadores de vía férrea

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Problemas; Detección de defectos en sujetadores; Imagen; Aprendizaje supervisado; Métodos de extracción de características; Red de fusión
• Keywords:Problems; Fastener defect detection; Image; Supervised learning; Feature extraction methods; Fusion network