基于深度卷积神经网络的高速铁路积雪深度判识方法
包云1
李俊波1
陈中雷2
温桂玉2
1.中国铁道科学研究院集团有限公司 电子计算技术研究所,北京 1000812.北京经纬信息技术有限公司,北京 100081
摘要：针对高速铁路线路上积雪深度的动态判识问题,提出一种基于铁路综合视频图像识别的积雪深度判识方法.首先,对通过综合视频监控系统获得的雪深图像进行处理,利用U-Net神经网络进行图像分割,建立轨道上的雪深数据集.然后,对雪深数据集进行标注,将雪深图像分为100 mm以下、100 mm～轨面和高于轨面3个类别.在此基础上提出基于DenseNet-201深度卷积神经网络模型的雪深图像识别方法.最后,对模型进行验证.研究结果表明:对于光线较好的图像,采用DenseNet-201深度卷积神经网络模型的识别准确率达到93.57%.相较于VGG-16、ResNet-50等模型识别结果,虽然DenseNet-201深度卷积神经网络模型计算耗时长于ResNet-50模型,但是,识别准确率较ResNet-50、VGG-16模型分别提高了2.08%和4.24%.研究成果可为高速铁路沿线积雪深度的动态掌握提供技术支撑.
关键词：高速铁路深度卷积神经网络图像分割积雪深度判识
分类号：TP183(自动化基础理论)U298.1(铁路运输管理工程)
论文发表日期：2023-10-28
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：8( 40-47 )
英文信息