个人卖家: 使命而来
基于SSD-YOLO的动车组制动盘螺栓故障检测算法
基于SSD-YOLO的动车组制动盘螺栓故障检测算法
500.00
累计销量 0
累计评价 0
评分 ★★★★★
售卖方式详解

请登录后购买。

使用环境 动车组运行故障动态图像检测系统(TEDS)的监控分析中心,用于检测动车组制动盘螺栓的故障情况。
使用对象 动车组制动盘螺栓,特别是CRH380B型动车组制动盘螺栓的缺失故障。
使用目的 提高动车组制动盘螺栓故障检测的效率和准确性,减少人工检测的漏检和误检,满足TEDS系统对大量动车组图像进行即时检测的要求。
输入数据 TEDS系统采集的动车组制动盘螺栓部位的4096×3072像素的RGB图像帧
输出数据 制动盘螺栓故障的检测结果,包括故障类型(如缺失)、位置、置信度
硬件配置 CPU:Intel Xeon Platinum 8255C GPU:RTX 3090 (24GB) 内存:43GB 硬盘:512GB 操作系统:Windows 11 编程语言:Python 3.8.10 深度学习框架:PyTorch 1.9.0 CUDA版本:11.1
样本获取 从TEDS原始扫描图像中选取CRH380B动车组1车、2车的左右两侧图像,进行裁剪和标注,共1760张图像,其中1056张作为训练集,352张作为验证集,352张作为测试集。
测试结果 平均精度均值(mAP@0.5):98.3%,相比YOLOv5n原模型提升6.8百分点。 检测帧速率:89frame/s,是YOLOv5l的1.7倍,是YOLOX-S的3.7倍。
执行速度 检测速度为89frame/s,满足TEDS故障检测的实时性要求
资源消耗 CPU:平均占用率约70% GPU:平均占用率约80% 内存:平均占用率约60%
源码类型 本算法有Python版本源码,可提供授权使用。
文件大小 算法程序文件24KB,权重文件12MB。
相关备注
基于SSD-YOLO的动车组制动盘螺栓故障检测算法 基于SSD-YOLO的动车组制动盘螺栓故障检测算法 基于SSD-YOLO的动车组制动盘螺栓故障检测算法
买家 规格或版本 评分 评价 时间