지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록· 키워드
오류제보하기
In this paper, we proposed the automatic vision inspection system using multi-layer perceptron to detect the defects occurred on rail surface. The proposed system consists of image acquisition part and analysis part. Rail surface image is acquired as equal interval using line scan camera and lighting. Mean filter and dynamic threshold is used to reduce noise and segment defect area. Various features to characterize the defects are extracted. And they are used to train and distinguish defects by MLP-classifier. The system is installed on HEMU-430X and applied to analyze the rail surface images acquired from Honam-line at high speed up to 300 km/h. Recognition rate is calculated through comparison with manual inspection results.
목차
Abstract
1. 서론
2. 레일표면 결함 검출 시스템
3. 시험 결과 및 고찰
4. 결론
References
참고문헌 (12)
참고문헌 신청
J. Chen, C. Roberts, and P. Weston, “Fault detection and diagnosis for railway track circuits using neurofuzzy systems.”, Control Engineering Practice, vol. 16, no. 5, pp. 585-596, 2008.
R. J. Hill, and D. C. Carpenter, “Rail track distributed transmission line impedance and admittance: theoretical modeling and experimental results.”, IEEE Transactions on Vehicular Technology, vol. 42, no. 2, pp. 225-241, 1993.
L. Jie, L. Siwei, L. Qingyong, Z. Hanqing, and R. Shengwei, “Real-time rail head surface defect detection: A geometrical approach.”, Proceedings of the IEEE International Symposium on Industrial Electronics, vol. 5, no. 5, pp. 769-774, July 2009.
J. Korbicz, “Advances in fault diagnosis systems.”, Proc. 10th IEEE Int. Conf. on Methods and Models in Automation and Robotics MMAR, pp. 725-33, 2004.
V. N. Ghate, and S. V. Dudul, “Optimal MLP neural network classifier for fault detection of three phase induction motor.”, Expert Systems with Applications, vol. 37, no. 4, pp. 3468-3481, 2010.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
냉연 강판의 미세 결함 검출 기술
제어로봇시스템학회 논문지
2016 .04
-
Convolutional Neural Network-Based Metal Surface Defect Detection
한국통신학회 학술대회논문집
2021 .06
-
단일 결함 영상을 사용하는 자동 결함영역 분리 방법
대한전자공학회 학술대회
2016 .11
-
형강 표면결함 탐상을 위한 검사 시스템에 관한 연구
대한용접학회 특별강연 및 학술발표대회 개요집
2023 .05
-
열간압연 핀치를 표면결함 검출 시스템
대한전자공학회 학술대회
2015 .06
-
Study on Inspection System for Detecting the Inner Surface of Automobile part
한국생산제조학회 학술발표대회 논문집
2016 .10
-
영상 처리를 이용한 제품 표면 결함 검출 기술 개발
제어로봇시스템학회 국내학술대회 논문집
2015 .05
-
TFT-LCD 영상에서 결함 군집도 특성 기반의 확률밀도함수를 이용한 결함 검출 알고리즘
멀티미디어학회논문지
2016 .03
-
TFT-LCD영상에서 결함 가능성에 따른 순차적 결함영역 분할
멀티미디어학회논문지
2020 .05
-
표면 결함 분류를 위한 적정 규모의 딥러닝 모델
전기학회논문지
2020 .12
-
집중유도형 교류전위차법의 알루미늄 탐촉자에 의한 상자성체 이면결함의 평가
한국기계기술학회지
2020 .01
-
열간 상태 형강 표면결함 탐상을 위한 조명 시스템 최적화에 관한 연구
한국정밀공학회 학술발표대회 논문집
2023 .11
-
객체 수준 데이터 증강을 활용한 딥러닝 기반의 강판 표면 결함 검출
대한산업공학회지
2022 .08
-
건축물 하자발생요소 연계유형 분류체계 및 하자관리조직 업무분장의 제안
대한건축학회연합논문집
2021 .08
-
The Relationship between Dirt Levels of Inspection Surface and Defect Detection in Visual Inspection Utilizing Peripheral Vision
Industrial Engineering & Management Systems
2018 .03
-
A Defect Detection Algorithm of Denim Fabric Based on Cascading Feature Extraction Architecture
JIPS(Journal of Information Processing Systems)
2023 .02
-
와전류 탐상을 이용한 Squat 결함의 진전율 평가
한국철도학회 논문집
2022 .02
-
표면 결함 검출을 위한 CNN 구조의 비교
전기학회논문지
2017 .07
-
실시간 철강 표면 결함 검출을 위한 딥러닝 객체 검출 알고리즘
제어로봇시스템학회 국내학술대회 논문집
2023 .06
-
인공결함모사시편을 활용한 비파괴 시험에서의 결함검출 성능 비교
한국생산제조학회 학술발표대회 논문집
2021 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
UIC518 방법에 의한 국내 및 프랑스 고속철도 차량 진동가속도 분석
최일윤
,
김남포
,
이준석
외 1명
한국산학기술학회 논문지
2015
.12
궤도유지보수를 위한 차량진동가속도 모니터링 시스템 구축
이후석
,
최일윤
,
이준석
외 2명
한국철도학회 학술발표대회논문집
2017
.05
최근 발생된 보선장비 탈선의 요인 분석 및 방지대책
김인재
,
정상영
,
민풍식
한국철도학회 학술발표대회논문집
2017
.05
자갈도상 급곡선(R=60m)부 정척레일 이음매부 유지관리 연구
김현오
,
양회성
,
백찬호
외 2명
한국철도학회 학술발표대회논문집
2016
.10
도시철도 열차운행속도와 레일마모 상관관계 분석
신정환
,
김태준
,
박용걸
외 1명
한국철도학회 학술발표대회논문집
2016
.10
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2018-560-000816640