基于深度学习技术的货检图像智能识别与测试研究

摘要：

为了提升铁路货检作业效率和质量,针对目前铁路货检工作主要依赖人工对高清图片进行查看,存在强度大、容易漏判等问题,在统计分析既有货检问题的种类、与车型的关系及所占比例基础上,采用深度学习技术,基于Faster-RCNN网络架构建立货检病害智能识别模型.经样本图片测试集测试表明,所提出的货检智能识别模型对于车顶异物、车门开启、防尘盖开启等7类问题图片的检出率接近80％,准确性超过90％,每张图片的检测速度约0.9 s,可满足现场实时、智能检测需求,从而为铁路货检向智能化发展提供有力的工具.

关键词：铁路货检作业、高清图像、海量数据、深度学习、智能货运、安全运输

所属期刊栏目：37

分类号：U298.1(铁路运输管理工程)

资助基金：中国铁路总公司科技研究开发计划课题N2018X008

在线出版日期：2019-07-24（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：22-27