论文摘要
接触网是沿铁路线上空架设的为电力机车供电的输电线路,接触网上附着的鸟巢等异物将对列车运行造成安全隐患。目前主要是通过人工检查的方式对接触网异物进行检测并清除,这种方式不仅成本高,效率低,往往不能及时排除安全隐患。为了对接触网异物进行及时有效的检测,同时降低人力成本,针对高铁运行环境的固定结构化特征,综合运用计算机视觉、深度学习等技术对铁路入侵异物进行实时检测。首先基于LSD直线段检测算法获取鸟巢可能出现的感兴趣区域;其次利用YOLOv3网络在ImageNet上进行训练得到一个预训练权重,并使用人工标注的数据集继续训练网络直到网络收敛;最后使用训练好的网络对感兴趣区域存在的鸟巢进行检测。实验结果表明,最终得到的平均检测精度为0.89,平均检测速度为38 f/s,可以实现对异物目标的准确实时检测。
论文目录
文章来源
类型: 期刊论文
作者: 蒋欣兰,贾文博
关键词: 异物入侵检测,高铁接触网,直线检测,深度学习
来源: 计算机工程与应用 2019年22期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 铁路运输,计算机软件及计算机应用
单位: 中国社会科学院大学计算机教研部,北京交通大学计算机与信息技术学院
基金: 中国社会科学院大学校级科研项目（No.000719114),2019年北京市大学生科学研究与创业行动计划项目（No.201914596001）
分类号: U225;TP391.41
页码: 250-257
总页数: 8
文件大小: 2229K
下载量: 434