以深度學習進行全方位軌道缺失構件檢測

Chen-Chiung Hsieh; Yu-Ping Hsieh; Jui-Ying Lai; Wei-Hsin Huang; Shan-Lin Hsieh; Ti-Yun Hsu; Yu-How Du; Han-Wen Jia

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2025/01/01~2025/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P191 - 219

工程学 > 交通运输工程
社会科学 > 管理学

DOI： 10.6402/TPJ

书目管理工具

相关连结

问题回报

全文下载

以深度学习进行全方位轨道缺失构件检测

A COMPREHENSIVE DETECTION SYSTEM OF DEFECTIVE TRACK COMPONENTS BY DEEP LEARNING

谢祯冏(Chen-Chiung Hsieh) ；谢幼屏(Yu-Ping Hsieh) ；赖瑞应(Jui-Ying Lai) ；黄维信(Wei-Hsin Huang) ；谢尚琳(Shan-Lin Hsieh) ；徐倜云(Ti-Yun Hsu) ；杜宇豪(Yu-How Du) ；贾汉文(Han-Wen Jia)

运输计划季刊； 52 卷 3 期 (2023 / 09 / 30) ， P191 - 219

繁体中文;英文

铁路轨道巡检；轨道构件；深度学习； YOLO ； Rail Track Inspection ； Track Fastener ； Deep Learning ； YOLO

0 个人觉得这篇文章赞

摘要 │ 参考文献 (23) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

The rail fasteners are responsible for fixing the tracks on the sleepers to prevent the tracks from loosening and deforming. The traditional inspection method of railway track fasteners adopts human visual inspection. Artificial intelligence (AI) deep learning has developed rapidly and made a breakthrough in many fields in recent years. Therefore, this study uses artificial intelligence to detect missing components of railway tracks and reduce the burden and time of manual inspection. The goal is to promote this technology to field applications. Firstly, we have surveyed some commercial track fastener inspection products from both domestic and foreign; analyze the deployed equipment and method for domestic applicability. Then, the image collecting equipment for the track components, including image recording and lighting, is established. There are ten and six types of classes defined for the top and side view of the track, respectively. YOLOv4-tiny, for its superior performance, is selected for our application. More than 70 km of track images were recorded in experiments. Moreover, the performance metrics (recall rate, mAP) are (91%, 91.7%) and (94%, 99.2%) for the top and side-view, respectively. The execution speed of YOLOv4-tiny also reached 150 fps. Meanwhile, the AI model was compared with the human eye-sight inspection, and the overall performance was better than human inspections.

参考文献 ( 23 ) 〈TOP〉

Forbes , “How Swiss Federal Railways Is Improving Passenger Safety with the Power of Deep Learning” , https://www.forbes.com/sites/nvidia/2018/08/02/how-swiss-federal-railway-is-improving-passenger-safety-with-the-power-of-deep-learning/?sh=4719312d50e3, 2018.
Ashish, J.,Wang, J.,Ye, C.,Nguyen, B. N.,Lou, Y.,Su,Y.,Vijay, C.,Zeng, Z.(2018).TrackNet -T A Deep Learning Based Fault Detection for Railway Track Inspection.2018 International Conference on Intelligent Rail Transportation (ICIRT)
Bochkovskiy, A.,Wang, C. Y.,Mark, H. Y.(2004).,未出版
BvSys Bildverarbeitungssysteme,“Visual Inspection Systems for Track Maintenance,” https://www.railway-technology.com/contractors/track/bvsys/, Retrieved Jun 18, 2020.
ENSCO, “Rail Surface Imaging System”, https://www.ensco.com/rail/track-imaging-systems, Retrieved Jan 19, 2020.

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址