基于YOLO的铁路侵限异物检测方法 |
| |
引用本文: | 于晓英,苏宏升,姜泽,董昱.基于YOLO的铁路侵限异物检测方法[J].兰州铁道学院学报,2020,39(2). |
| |
作者姓名: | 于晓英 苏宏升 姜泽 董昱 |
| |
作者单位: | 兰州交通大学 自动化与电气工程学院,兰州 730070;兰州交通大学 光电技术与智能控制教育部重点实验室,兰州 730070;中国铁路设计集团有限公司 电化电信院,天津 300308 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金;国家自然科学基金 |
| |
摘 要: | 基于现有的铁路侵限异物检测方法只能识别出静态障碍物且识别速度较慢的问题,提出一种基于YOLO算法的铁路侵限异物检测方法.针对铁路侵限异物检测的特殊性,合理设计YOLO模型结构.采用24个卷积层、4个最大池化层及2个全连接层完成异物图像的提取、降维、识别输出,并使用实拍疑似侵限异物图片对YOLO模型进行预训练,达到学习及降低过拟合的目的,最终实现了异物定位及识别的功能.实验中通过对1 660张单幅疑似铁路侵限异物图片进行检测,结果表明,该方法对正常曝光的侵限异物图片检测准确率较高,而且在识别速度方面较AlexNet及Adaboost算法具有较大的优越性.
|
关 键 词: | 铁路侵限异物 YOLO算法 目标识别 列车运行安全 |
本文献已被 CNKI 万方数据 等数据库收录! |
|