《表2 本文算法在数据集上的结果统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于暗边缘特征的动车底板螺栓故障检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

我们统计了当前数据集中，本文算法的螺栓识别率、螺栓误识别率和螺栓丢失识别率、螺栓丢失误识别率，结果见表2。其中，螺栓识别率是识别正确的螺栓特征点占样本中总螺栓数量的百分比，螺栓误识别率是识别错误的螺栓特征点占识别出的螺栓特征点的百分比。同理，螺栓丢失识别率是检测正确的螺栓丢失占样本中总的螺栓丢失故障的百分比，螺栓丢失误识别率是检测错误的螺栓丢失数量占检测的所有螺栓丢失数量的百分比。从表中可以看出，本文算法对螺栓识别率较低，并且对螺栓的误识别率较高，但是，对螺栓丢失的识别率很高，且对螺栓丢失有较小的误识别率。这是因为对于非螺栓点，识别为螺栓点后，由于其不存在螺栓丢失所具有的亮边缘特性，算法不会将其识别为螺栓丢失。同时，对于由于部分图像整体较暗而丢失暗边缘特性的螺栓点，我们的算法不会将其识别为螺栓点一般不会影响螺栓丢失的识别精度，因为即使是整体较暗的图像，螺栓丢失仍然后形成亮边缘特征，我们的算法仍然能对其识别。其次，我们的螺栓丢失都是模拟出来的，缺乏现实中螺栓丢失造成的多样性。