首页|期刊导航|铁道科学与工程学报|基于深度学习的铁路异物侵限快速检测方法

基于深度学习的铁路异物侵限快速检测方法OA北大核心CSTPCDEI

中文摘要

针对列车运行环境内因意外突发事件所造成的异物侵限而影响列车安全运行的问题,在被广泛应用于工业领域的YOLOv3目标检测模型的基础之上,提出一种融合轨道限界和侵限异物识别的快速检测方法。首先,以ResNet-18网络作为铁路限界检测的主干网络,利用辅助检测模块提升限界检测精度,达到特征提取速度快,语义信息丰富充足等目标。同时采用基于行锚框的分割算法检测轨道线坐标位置,结合标准轨距下的限界定义确定铁路异物入侵限界的范围,以减少侵限异物检测的区域。其次…查看全部>>

王辉;姜朱丰;吴雨杰;范自柱;罗国亮;杨辉

华东交通大学软件学院,江西南昌330013 江西省先进控制与优化重点实验室,江西南昌330013 南昌虚拟现实研究院股份有限公司,江西南昌330000江西省先进控制与优化重点实验室,江西南昌330013江西省先进控制与优化重点实验室,江西南昌330013江西省先进控制与优化重点实验室,江西南昌330013华东交通大学软件学院,江西南昌330013 江西省先进控制与优化重点实验室,江西南昌330013江西省先进控制与优化重点实验室,江西南昌330013

计算机与自动化

异物侵限检测Octave卷积行锚框铁路限界检测空间金字塔特征自适应融合

《铁道科学与工程学报》 2024 (5)

P.2086-2098,13

国家自然科学基金资助项目(61991401,U2034211)江西省自然科学基金资助项目(20224BAB212014,20232ABC03A04)教育部人文社会科学研究项目(22YJCZH168)。

10.19713/j.cnki.43-1423/u.T20231225

评论

您当前未登录!去登录点击加载更多...