基于YOLOv5的铁轨异物入侵检测

摘要：

随着铁路运输能力的提高和运量的增大,列车运行的安全形势愈发严峻,对列车运行线路安全保障也提出了更高要求.为了解决由于轨道异物入侵造成的铁路安全问题,本文通过无人机航拍与人工搜集相结合的方式获取轨道图像,使用专门标注软件对轨道中异物进行标注,应用深度学习YOLOv5算法网络模型对轨道异物数据集进行训练,并通过训练模型对划定的检测区域进行检测,取得了较好的测试结果.实验结果表明此算法在本文实验条件下对铁轨上异物识别的平均精度达到99.6％,基本满足轨道列车运行安全性对铁轨异物识别的要求.

关键词：深度学习、轨道异物检测、YOLOv5、检测精确度

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：天津市科委科技特派员项目20YDTPJC01110

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：161-167