<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">TACS</journal-id><journal-title-group><journal-title>Technology and Application of Computer Science</journal-title></journal-title-group><issn>2998-8926</issn><eissn>2998-8934</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/TACS.2025140023</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>铁路货车故障图像智能识别数据集构建技术</title><url>https://artdesignp.com/journal/TACS/2/14/10.61369/TACS.2025140023</url><author>刘丹丹,金佳鑫,庞博</author><pub-date pub-type="publication-year"><year>2025</year></pub-date><volume>2</volume><issue>14</issue><history><date date-type="pub"><published-time>2025-07-28</published-time></date></history><abstract>随着大数据和机器视觉技术的迅速发展与应用，深入探究铁路货车故障图像的智能识别与检测，推动人工检车向智能检车方向发展，成为提高铁路货车故障诊断效率和质量的重要问题。但是，由于铁路货车故障场景具有复杂性和多样性，且受铁路运输安全性、连续性的特殊影响，数据集构建是目前亟待解决的瓶颈问题。本文结合铁路货车故障检测实际需求，围绕数据预处理、数据标注、数据划分、数据增强四个环节，探讨数据集构建的关键技术，提出数据集质量评估与应用方案，旨在加快铁路货车故障诊断智能化发展进程，为提高复杂场景下故障识别精度与效率提供参考。</abstract><keywords>铁路货车故障,图像智能识别,数据集构建技术,技术应用</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 邓一辉. 大数据时代下数字图像识别技术浅析[J]. 中国自动识别技术,2024,(06):55-57.[2] 王德明, 高善兵, 王仲辉, 等.TFDS 货车图像数据应用系统[J]. 铁路计算机应用,2024,33(09):59-67.[3] 陈世民. 基于关联规则算法的铁路供配电系统故障数据自动识别方法[J]. 电工技术,2024,(16):137-139.[4] 张淼, 杨苹, 刘泽健, 等. 大型海上风电机组叶片故障图像识别方法[J]. 可再生能源,2024,42(06):767-773.[5] 章亚彬. 基于图像识别的铁路信息化建设探讨[J]. 通讯世界,2024,31(05):142-144.[6] 于飞, 隋正伟, 邱凤婷, 等.SAR 图像智能解译样本数据集构建进展综述[J]. 网络安全与数据治理,2023,42(S1):97-105.[7] 贾建坤. 铁路客车故障轨旁图像检测系统(TVDS) 的运用研究分析[J]. 轨道交通装备与技术,2023,(04):27-31.[8] 杨凯, 张淼, 祁苗苗. 铁路车辆监测图像识别模型训练及验证平台研究[J]. 铁路计算机应用,2023,32(06):26-30.[9] 李云鹏, 葛宝臻, 田庆国, 等. 基于立体像对数据集的非对称离焦数据集构建[J]. 光学学报,2022,42(14):138-146.[10] 李红蕾. 构建图形图像数据集的方法概述[J]. 计算机产品与流通,2020,(08):97.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
