基于改进YOLOv5s的列车车厢客流密度检测方法研究

针对城市轨道交通（简称：城轨）列车车厢客流密度检测过程中人群密集、乘客间相互遮挡的问题,文章提出一种基于改进YOLOv5s模型的列车车厢客流密度检测方法。设计了基于车载闭路电视监控（CCTV,Closed-Circuit Television）系统监控进行实时目标检测的列车车厢客流密度检测模型;为解决人群密集及遮挡问题,对YOLOv5s进行优化,采用了双向特征金字塔网络（BiFPN,Bidirectional Feature Pyramid Network）结构加强网络特征融合,设计了一种损失函数计算方法,改进了非极大值抑制（NMS,Non-Maximum Suppression）方法,避免候选框误删除的情况。在标准行人检测数据集和自制地铁车厢乘客数据集上进行实验,结果表明,在两类数据集上,改进模型的检测精度均较原模型有所提升。     

基于深度卷积神经网络的铁路接触网鸟窝检测方法研究

鸟类在铁路接触网筑巢一直是造成接触网故障的一个重要原因,目前主要依靠人工巡检的方式确定是否存在鸟窝,不仅工作量大、漏检率高,而且效率低。因此提升接触网鸟窝的检测效率,及时排除隐患,对保障铁路安全运营具有重要的意义。针对此问题,提出了一种基于深度卷积神经网络的Faster R-CNN模型用于接触网鸟窝的自动识别。通过自定义合适的网络结构和参数,经过预训练、 RPN网络训练、Fast R-CNN网络训练以及对RPN和Fast R-CNN的联合训练,建立了适合鸟窝检测的Faster R-CNN模型,实现对鸟窝的检测。经试验,Faster R-CNN的准确率为88.5%,每张图片的识别速度为79 ms,通过与传统的HOG方法、DPM方法和卷积神经网络方法进行比较,验证了深度卷积神经网络对铁路接触网鸟窝检测高效性。     

基于深度学习的接触网鸟巢异物识别研究

随着中国高速铁路里程的迅速增长,接触网安全稳定运营面临巨大压力,对其进行视频监控具有重要意义.针对影响电气化铁路接触网正常工作的鸟巢异物进行研究,提出一种基于深度学习的鸟巢异物检测方法,首先利用最邻近插值法进行图像缩放,然后采用双边滤波算法对图像进行去噪,进而用直方图均衡化算法进行图像增强.通过将YOLO v3与Fas...     

基于Faster R-CNN网络模型的铁路异物侵限检测算法研究

行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对该模型做适应性改进以满足铁路异物检测的现实需要。提出将全连接层用全局平均池化层替代来减少参数量;通过增加锚点个数来提高对目标区域建议的精确性;引入迁移学习思想训练网络以解决铁路异物侵限数据匮乏问题。在铁路异物侵限视频数据集上进行测试表明,本算法对于人、车及部分动物的综合检测精确度达到了97.81%。     

基于改进算法YOLOv5+的混凝土轨枕裂纹检测

基于既有研究成果在对混凝土轨枕裂纹检测效率不足的基础上,提出一种改进算法YOLOv5+,主要以YOLOv5网络模型为基础,对混凝土轨枕裂纹进行高效检测。首先,采用分治标签的策略来增大裂纹在标签中的实际占比,从而解决混凝土轨枕裂纹尺度变化大的问题,使网络更利于提取有效特征;其次,将YOLOv5网络结构中SPP模块的最大池化层改为平均池化层,减少裂纹漏检的现象;同时,在YOLOv5骨干网络中嵌入SE注意力模块(Squeeze and Excitation, SE)提高对细小裂纹的检测能力;最后,结合新的检测尺度与特征融合网络,降低微小裂纹的漏检现象。实验结果表明,以YOLOv5网络模型为基础的改进算法YOLOv5+,除了召回率Recall变化不大外,精确率Precision提高6.5%,平均精度均值mAP提升8%,帧率FPS也有所提升,能够满足实时性的检测需求。     

基于YOLOv3和ECO算法的电气化铁路接触网绝缘子的检测与跟踪

在接触网绝缘子带电水冲洗装置视觉伺服控制系统的研究中,针对系统需连续获得绝缘子图像坐标的问题,提出一种针对绝缘子的目标检测跟踪一体化算法.该算法由YOLOv3目标检测器与多线程ECO-HC单目标跟踪器结合组成,其中,检测器用于绝缘子目标的初始检测和跟踪器学习,多线程跟踪器进行后续帧绝缘子目标的跟踪定位.为准确评估各跟踪...     

基于改进YOLOv3的站口行人检测方法

针对YOLOv3算法在行人检测上准确率低和漏检率高的问题,提出一种改进型YOLOv3的行人检测方法,并将其定义为GA-Wide-YOLOv3.该方法首先以行人头肩小目标为检测对象,进行重构数据集,利用遗传算法重新对目标先验框进行聚类,优化anchor参数,提高先验框与数据集的重合程度;其次改进YOLOv3,通过加宽网络...     

基于改进YOLOv3的铁路落石检测方法研究与实现

我国山区铁路沿线边坡崩塌落石侵入铁路限界将严重危及列车运行安全,当前铁路危岩落石的自动化监测系统存在误报、漏报及时效性低等缺点,各类监测系统对侵限落石的检测方法成为了制约系统性能指标的关键因素。本文收集了大量铁路真实场景下的崩塌落石样本,并选取Faster RCNN和YOLOv3算法进行了落石检测对比实验,实验表明YOLOv3算法与Faster RCNN算法检测精度相近,但检测速度更快,因此本文选取YOLOv3算法构建铁路边坡落石检测模型。由于YOLOv3算法对铁路落石群的检测准确度较低,本文采用多尺度检测以及调整网络超参数等方式对YOLOv3框架进行了改进,结果显示对落石群检测准确度提升效果较为明显,更能满足铁路沿线危岩落石检测的实际应用要求。     

铁路5G专网集群通信技术方案研究

首先介绍铁路调度通信、列车控制系统基本特点;在分析基于LTE的语音业务(VoLTE)技术和MC(关键业务)集群通信技术的基础上,针对铁路5G专网MC系统架构以及铁路5G专网集群通信技术应用方案进行研究.     

融合注意力机制的轨道入侵异物检测轻量级模型研究

基于智能视频分析的轨道线路环境入侵物自主识别是保障轨道交通运营安全的关键技术之一。然而基于神经网络的高精度目标检测模型严重依赖算力,部署成本高,很难普及运用。为此,提出一种改进yolov4-tiny的轻量级网络模型。在网络主干,通过融合跨阶段结构和通道混洗策略,提出CSPShuffleNet结构,加快网络推理;在网络颈部,引入多头注意力机制,增强网络目标定位能力;在网络头部,使用深度可分离卷积替换传统卷积,进一步压缩网络参数量。基于铁路异物数据集的实验结果表明：相比于原始yolov4-tiny,本模型的均值平均精度最大提高1.4%,参数量减少49.9%,模型容量减少55.4%。验证了本模型对于固定平台和移动平台检测系统的普适性,从而为铁路安全保障提供决策支持。     

一种刚性接触网缺陷智能检测系统的开发与应用

针对刚性接触网核心部件汇流排和接触线缺陷项目多、智能化检测手段少的问题,提出一种基于图像智能采集及深度学习算法识别的刚性接触网缺陷智能检测系统的总体设计方案,详细介绍系统构成、功能及其应用情况。该系统在应用中能自主完成智能化的采集检测任务,实现刚性接触网缺陷的智能检测。     

基于YOLO v5的铁路塞钉检测方法

针对高速铁路和普速铁路的塞钉智能检测问题,提出基于YOLO v5的塞钉检测方法。该方法对训练模型采用He方法初始化,采用微调模式使模型收敛,同时使用dropout正则化方法解决过拟合问题。在训练数据时,对多样式塞钉进行有效分类和样本自动化裁剪,并利用塞钉样本的灰度直方图对数据进行增强;采用非冗余多置信度的方式进行检测,通过先验经验和增加反例来减少误判,并在检测时自动累积塞钉样本。该检测方法已投入现场使用,有效满足了铁路智能巡检的需求。     

基于5G NR的智能铁路定位技术研究

为提高列车和人员的定位精度,针对智能铁路高速和低速场景下的定位需求,结合基于正交频分复用技术的全新空口设计的全球性第5代移动通信技术标准（简称：5G新空口）（5G NR）定位技术,提出基于5G NR的上行和下行定位解决方案。基于到达时间差的定位技术原理,通过选用下行到达时间差（DL-TDOA,Downlink Time Difference of Arrival）定位法和上行到达时间差（UL-TDOA,Uplink Time Difference of Arrival）定位法,设计了上下行定位参考信号、时间测量值反馈及定位流程,保证了智能铁路低速场景下满足第3代合作伙伴计划技术报告（3GPP TR）所定义的米级定位精度,并提出了高速场景及隧道场景下的潜在定位增强技术,为智能铁路多场景定位提供技术参考。     

计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法研究

轨枕作为固定钢轨和扣件的重要轨道零部件之一,由于长期承受钢轨传来的各种作用力,其端部易出现掉块,造成轨道机械结构稳定性下降,故轨枕掉块缺陷检测对保证列车正常运行起到重要作用。针对轨枕掉块缺陷检测方法存在精度较低和缺陷样本少的问题,提出一种计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法。首先,采用Copy-Pasting数据增强方法增加轨枕图像中掉块小目标数量,解决缺陷样本少的问题;其次,通过降低网络下采样倍数和删除大尺度检测层的方式改进YOLOv5s模型的多尺度检测层,提高轨枕掉块缺陷检测精度和速度;然后,将锚框之间的平均交并比作为距离量度改进K-means聚类算法,并使用遗传算法优化,重新匹配适合轨枕掉块缺陷检测的锚框;最后,使用跨尺度连接结构和双向特征加权融合模块改进YOLOv5s的特征融合结构,增强特征融合能力。实验结果表明,与原模型相比较,改进后的YOLOv5s模型平均精度达到94.1%,提高2.3%,检测速度达到93.3 fps,提高26.6 fps,能够准确且快速地识别轨枕掉块小目标缺陷。     

5G技术在中国铁路的应用研究

5G技术将给铁路通信的建设使用和运维管理都带来巨大的变化。对5G网络的主要技术特点和铁路5G的主要应用场景进行分析,并对铁路的5G建设提出规划建议。     

基于5G-R的智能调度通信业务服务质量保障研究

首先提出了基于5G-R的智能调度通信系统架构,分析各组成单元的主要功能;其次研究了5G-R QoS保障原理,分析QoS流的映射规则、QoS参数,并在此基础上,根据语音、视频、数据等业务对网络的不同需求,提出铁路调度通信业务的QoS特性;最后,以语音个呼为例,对调度通信业务QoS保障进行了研究,包括QoS流建立流程及业务数据保障机制,可在网络资源紧张的情况下,保障数据传输速率,实现业务稳定运行。     

基于5G技术的铁路基础设施动态检测数据实时汇聚方案研究

针对铁路基础设施动态检测数据人工汇聚时效性差、准确性低等问题,设计了基于5G移动通信(简称:5G)技术的铁路基础设施动态检测数据实时汇聚方案总体架构,阐述了方案的关键技术,并介绍了5G技术在铁路基础设施检测业务中的应用效果,为解决检测数据汇聚过程中的时效性、规范性、安全性等相关问题提供了思路.     

车载非接触式接触网在线检测系统的应用研究

针对当前接触网几何参数检测方法所存在的问题与不足,提出了一套新的解决方案,即结合激光雷达、GPS接收机、嵌入式电脑与工控机等硬件设备进行编程处理以实现相关几何参数的非接触式采集、信号预处理、采样点定位、波形显示及事后分析任务.目前,这套系统的前期工作业已完成并于试运行中取得了良好效果.     

基于图像处理的接触网检测系统研究与改进

针对目前国内基于图像处理的非接触式检测系统在高速检测情况下存在的问题,运用自适应算法进行了改进,使目标识别质量和技术参数获取效率得到提高.     

基于Delta贡献度的接触网动态检测指标分析方法研究

接触网动态检测指标能够充分反映接触网的动态性能,极大地补充静态检测数据所反映的特性,全方面保障弓网安全匹配、满足列车提速后稳定运行要求。然而,现场在获取接触网动态检测指标后存在人工分析耗时长、易出错、难以对应后续措施等问题。针对该问题,本文提出基于Delta贡献度的接触网动态检测指标分析方法,求解各指标贡献度并对其进行排序,根据排序结果确定动态检测指标整治顺序,最后通过实例验证该方法的有效性,为电气化铁路接触网动态检测指标自动化分析提供了思路。