Моделирование и анализ информационных систем
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS


Модел. и анализ информ. систем:
Год:
Том:
Выпуск:
Страница:
Найти




Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация

Моделирование и анализ информационных систем, 2020, том 27, номер 3, страницы 316–329
DOI: https://doi.org/10.18255/1818-1015-2020-3-316-329 (Mi mais718) 		 
Эта публикация цитируется в 2 научных статьях (всего в 2 статьях)

Computing methodologies and applications

Применение свёрточных нейронных сетей для распознавания длинных конструктивных элементов рельсов на вихретоковых дефектограммах

Е. В. Кузьминa, О. Е. Горбуновb, П. О. Плотниковb, В. А. Тюкинb, В. А. Башкинa

a Ярославский государственный университет им. П. Г. Демидова, ул. Советская, 14, г. Ярославль, 150003 Россия
b ООО «Центр инновационного программирования», NDDLab, ул. Союзная, 144, г. Ярославль, 150008 Россия
PDF полного текста (3188 kB) Список цитирования (2)
Список литературы:
PDF
HTML
DOI: https://doi.org/10.18255/1818-1015-2020-3-316-329
Аннотация: Для обеспечения безопасности движения на железнодорожном транспорте регулярно проводится неразрушающий контроль рельсов с применением различных подходов и методов, включая методы вихретоковой дефектоскопии. Актуальной задачей является автоматический анализ больших массивов данных (дефектограмм), которые поступают от соответствующего оборудования. Под анализом понимается процесс определения по дефектограммам наличия дефектных участков наряду с выявлением конструктивных элементов рельсового пути. Данная статья посвящена задаче распознавания образов длинных конструктивных элементов железнодорожных рельсов по дефектограммам многоканальных вихретоковых дефектоскопов. Рассматриваются два класса конструктивных элементов рельсового пути: 1) счётчики осей подвижного состава, 2) пересечения рельсовых путей. Длинные отметки, которые не могут быть отнесены к этим двум классам, условно считаются дефектами и выносятся в отдельный третий класс. Для распознавания образов конструктивных элементов на дефектограммах применяется свёрточная нейронная сеть, реализованная в рамках открытой библиотеки TensorFlow. С этой целью каждая выделенная для анализа область дефектограммы преобразуется в графический образ в градации серого цвета размером 30 на 140 точек.
Ключевые слова: неразрушающий контроль рельсов, вихретоковая дефектоскопия, обнаружение дефектов, автоматический анализ дефектограмм, нейронные сети.
Поступила в редакцию: 20.07.2020
Исправленный вариант: 03.08.2020
Принята в печать: 09.09.2020
Тип публикации: Статья
УДК: 004.032.26
MSC: 68T07
Образец цитирования: Е. В. Кузьмин, О. Е. Горбунов, П. О. Плотников, В. А. Тюкин, В. А. Башкин, “Применение свёрточных нейронных сетей для распознавания длинных конструктивных элементов рельсов на вихретоковых дефектограммах”, Модел. и анализ информ. систем, 27:3 (2020), 316–329
Цитирование в формате AMSBIB
\RBibitem{KuzGorPlo20}
\by Е.~В.~Кузьмин, О.~Е.~Горбунов, П.~О.~Плотников, В.~А.~Тюкин, В.~А.~Башкин
\paper Применение свёрточных нейронных сетей для распознавания длинных конструктивных элементов рельсов на вихретоковых дефектограммах
\jour Модел. и анализ информ. систем
\yr 2020
\vol 27
\issue 3
\pages 316--329
\mathnet{http://mi.mathnet.ru/mais718}
\crossref{https://doi.org/10.18255/1818-1015-2020-3-316-329}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/mais718
  • https://www.mathnet.ru/rus/mais/v27/i3/p316
    • Эта публикация цитируется в следующих 2 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    		Моделирование и анализ информационных систем
     
      Обратная связь:
    		  Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024