کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5025891 1470595 2017 23 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Computer vision based train rolling stock examination
ترجمه فارسی عنوان
نظارت بر کامپیوتر بر اساس قطار معاینه سهام
کلمات کلیدی
تجزیه و تحلیل ویدئو با سرعت بالا، معامله هوشمندانه سهام نورد شکل مدل های قبلی، شکل مجموعه مجموعه های غیر مجاز، تقسیم نقص نقلیه قطار،
ترجمه چکیده
معاینه قطار نورد شامل مشاهده بصری قطار در حال حرکت حدود 30 کیلومتر بر ساعت برای پیدا کردن نقاط بد بو بدنه است. مربی قطار بر روی یک دوچرخه از چرخ ها، تعلیق و سایر سخت افزارهای جانبی حرکت می کند. سلامت بیلیارد ایمنی قطار را تعیین می کند. پرسنل راه آهن به طور دستی سوالات مربوط به قابلیت اطمینان را انجام می دهند. در اینجا پیشنهاد می کنیم از الگوریتم های بینایی کامپیوتری برای استخراج و جایگزینی قطعات بدنه معیوب از قطعات کاری استفاده کنیم. یک دوربین با سرعت بالا با زاویه دید قطار قطار حرکتی بدون دستکاریهای حرکتی. هدف این است که از یک شکل واحد قبل از قدرت عملکرد مجموعه سطح برای تقسیم بندی شیء استفاده کنید. در اینجا ما تقسیم بندی بخش گردو با یک مدل قبل از شکل برای طول کل قطار نشان می دهد. آزمایش بر روی قطارهای مشابه در زیر نورپردازی های مختلف، میزان کارایی سطح عملکردی با شکل تک قبل را مورد آزمایش قرار می دهد. الگوریتم پیشنهاد شده به طور موثر تغییر شکل فضایی توپولوژیکی قطعات بدنه را در ویدئو انجام می دهد. جداسازی قسمت های معیوب با اشکال غیر معیوب موجب می شود که الگوریتم مستقل از محلی سازی نقص در قسمت بدنه باشد. این ایده جدید از دیدگاه رایانه بر اساس آزمایش نورد سهام با استفاده از ویدیو با سرعت بالا می تواند خطاهای انسانی را کاهش دهد و کمک به توسعه یک معاینه سهام نورد خدمه. علاوه بر این، کار پیشنهادی را می توان برای تشخیص زودهنگام و جلوگیری از تصادفات رانندگی به علت شکست بخشی حمل و نقل گسترش داد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی (عمومی)
پیش نمایش مقاله
نظارت بر کامپیوتر بر اساس قطار معاینه سهام
چکیده انگلیسی
Train Rolling stock examination involves visual observation of the moving train around 30Kmph to find defective bogie parts. A train coach moves on a couple of bogies consisting of wheels, suspension and other binding hardware. The health of the bogie decides the safety of the train. Railway personnel perform the rolling stock examination manually raising questions on reliability. Here we propose to use computer vision algorithms for extraction and localizing defective bogie parts from working parts. A wide-angle high-speed camera captures the moving train without motion artefacts. The objective is to use a single shape prior to power the level set function for object segmentation. Here we show the bogie part segmentation with one shape prior model for the entire length of the train. Experimentation on similar train bogies under different lighting tests the robustness of the level set functional with single shape prior. The proposed algorithm handles topological spatial deformations of the bogie parts in the video effectively. Segmenting defective parts with non-defective shape priors makes the algorithm independent of defect localization in the bogie part. This novel idea of computer vision based rolling stock examination using high-speed video can lessen human errors and aid in developing a crewless rolling stock examination. Further, the proposed work can be extended for early detection and prevention of rail accidents due to transit part failures.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Optik - International Journal for Light and Electron Optics - Volume 132, March 2017, Pages 427-444
نویسندگان
, ,