改进YOLOv3模型的铁路异物入侵识别算法
朱梦瑞1
牛宏侠2
1.甘肃省高原交通信息及控制重点实验室,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 7300702.甘肃省高原交通信息及控制重点实验室,兰州 730070;兰州交通大学 自动化与电气工程学院,兰州 730070
摘要：异物入侵影响列车行车安全,严重时会造成事故伤亡.针对现有铁路异物入侵识别准确率不高、实时性较差等问题,提出了一种改进YOLOv3模型的异物入侵识别算法.首先,利用逆透视变换确定轨道位置并划分危险区域,为后续的异物识别提出基础.然后采用K-means++聚类算法选取适合本文数据集的先验框尺寸,使先验框与特征图层更加契合,提升对铁路异物的定位能力.同时用MobileNetv2作为特征提取网络以减少模型参数量,提高识别的速度.最后,用改进的YO?LOv3算法对危险区域进行异物识别.实验结果表明:本文算法在铁轨异物数据集上的平均识别精度达到89.23％,较传统YOLOv3算法高出9.73％,帧速率由20 f?s-1提高到54.3 f?s-1,有效提高了铁路异物入侵识别的实时性和准确率.
关键词：轨道检测异物识别YOLOv3卷积神经网络
分类号：TP391.4(计算技术、计算机技术)U215.8(铁路线路工程)
资助基金：国家自然科学基金(61863024)甘肃省科技引导计划(2020-61-14)甘肃省高等学校科研项目(2017A-026)
论文发表日期：2022-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 37-45 )
英文信息