HEA|  |02497nam0 2200253   450 
001|  |012025046929
010|  |▼a978-7-03-082089-1▼dCNY128.00
100|  |▼a20250610d2025    em y0chiy50      ea
101|0 |▼achi
102|  |▼aCN▼b110000
105|  |▼aa   z   000yy
106|  |▼ar
200|1 |▼a高速铁路轨道巡检智能技术与系统▼9gao su tie -
   |  |lu gui dao xun jian zhi neng j-
   |  |i shu yu xi tong▼b专著▼f李清勇，刘洋，彭文娟著
210|  |▼a北京▼c科学出版社▼d2025
215|  |▼a202页▼c图▼d26cm
300|  |▼a国家自然科学基金面上项目“面向不平衡样本的表面缺陷视觉检-
   |  |测方法研究” 北京市自然科学基金-丰台轨道交通前沿研究联合基-
   |  |金项目“基于大模型的轨道交通基础设施缺陷检测方法研究” 中央-
   |  |高校基本科研业务费专项资金“高速列车关键结构可靠性提升与健康-
   |  |服役技术”、“轨道缺陷的视觉感知、表示和识别方法”资助-
314|  |▼a李清勇，北京交通大学计算机科学与技术学院教授，专注于人工-
   |  |智能领域的基础理论和关键技术研究。曾主持科技部重点研发计划课-
   |  |题、国家自然科学基金等科研项目30多项，发表高水平学术论文1-
   |  |10多篇，申请/授权国家专利16项，其中2项专利入选国家铁路-
   |  |局铁路重大科技创新成果。相关成果获2020年、2024年中国-
   |  |铁道学会科学技术奖二等奖（排名第1）。曾获得北京市高等学校青-
   |  |年教学名师奖、北京市青年岗位能手等荣誉，入选“全球前2%顶尖-
   |  |科学家榜单”。
330|  |▼a本书聚焦高速铁路轨道视觉巡检业务需求和人工智能前沿技术，-
   |  |介绍基于计算机视觉的钢轨伤损检测技术和系统。首先，以无碴轨道-
   |  |为例介绍轨道的基本结构和常见的钢轨表面伤损；然后，按照钢轨表-
   |  |面伤损检测技术的特征，将主流检测技术划分为前景模型、背景模型-
   |  |、矩阵分解模型和深度学习模型四个类别，并分别阐述这四个类别的-
   |  |代表性模型与算法；最后，介绍基于虚拟仿真技术和生成式人工智能-
   |  |技术的轨道视觉巡检虚拟仿真系统，并展望基于大数据、大模型的下-
   |  |一代轨道巡检技术。
606|0 |▼a智能技术▼x应用▼x高速铁路▼x轨道(铁路)▼x巡回检测-
690|  |▼aU238-39▼v5
701| 0|▼a李清勇▼9li qing yong▼4著
701| 0|▼a刘洋▼9liu yang▼4著
701| 0|▼a彭文娟▼9peng wen juan▼4著
801| 0|▼aCN▼bzjlib▼c20250619