深度学习目标检测算法在货运列车车钩识别中的应用

摘要：

铁路货运列车的自动摘钩是实现驼峰作业自动化的重要环节,为了完成货运列车自动摘钩工作,需要实现车钩的快速准确识别.通过当前广泛应用的YOLO_v2网络模型,研究针对货运列车在正常工作条件下车钩的识别问题,通过K-means聚类算法对YOLO_v2网络模型中anchor的个数进行调整优化,找出适用于本次车钩识别的最优anchor个数以及宽高维度,并通过训练自制具有明显目标特征数据集来获取更加准确的权重.结果表明改进YOLO_v2模型在精确度上达到92.6％;在召回率上达到了91.8％;在FPS上达到45帧/s,改进的YOLO_v2模型达到了预期设计目标.

关键词：改进YOLO_v2模型、货运列车、车钩识别、K-means聚类算法

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

资助基金：辽宁省教育厅资助项目LQGD2017034

在线出版日期：2020-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2479-2484