一种基于深度学习的钢轨表面状态检测方法及系统

    公开(公告)号:CN118967589A

    公开(公告)日:2024-11-15

    申请号:CN202410975280.1

    申请日:2024-07-19

    Abstract: 本发明涉及轨道表面检测技术领域,涉及一种基于深度学习的钢轨表面状态检测方法及系统,所述方法包括获取第一信息和第二信息,所述第一信息包括完整路段的钢轨图像信息,所述第二信息包括完整路段对应的钢轨动力学性能信息;根据所述第一信息构建训练集,得到训练后的钢轨光带的语义分割模型;根据所述训练后的钢轨光带的语义分割模型提取光带信息数据集;根据所述光带信息数据集和所述第二信息对钢轨表面状态进行检测,本发明根据光带信息数据集和第二信息建立数据映射关系,从而实现根据钢轨避免状态对动力学性能进行精确的预测。

    一种基于MK趋势检测的K值自拾取方法

    公开(公告)号:CN119937018A

    公开(公告)日:2025-05-06

    申请号:CN202411991201.2

    申请日:2024-12-31

    Abstract: 本发明涉及地震学技术领域,具体公开了一种基于MK趋势检测的K值自拾取方法,包括如下步骤:地震动数据预处理;利用MK趋势检测算法对地震动傅氏谱进行曲线特征识别;根据傅氏谱升降特征曲线,拾取地震动高频下降段的起止频率;根据起止频率提取下降频段,拟合计算得到K值。本发明通过提取地震动傅氏谱的曲线升降特征进而识别起止频率来计算地震动高频衰减参数K值,可显著提高傅氏谱下降段起止频率拾取的精度,实现地震动高频衰减参数的批量计算,本发明具有灵活性强、准确性高、效率高和操作简单等特点。

Patent Agency Ranking