基于YOLOv5的铁路远距离异物识别报警装置 |
| |
作者姓名: | 袁航 胡伟 赵龙 琚中超 卜旭辉 |
| |
作者单位: | 1. 河南理工大学;2. 郑州铁路局郑州机务段 |
| |
基金项目: | 国家自然科学基金,项目名称:非线性网络系统的数据驱动分布式迭代学习控制及应用,项目编号:U1804147; |
| |
摘 要: | 为减少异物造成的影响及损失,设计一种基于卷积神经网络的铁路异物识别与报警装置,放置在列车前段。将YOLOv5深度学习算法部署至嵌入式设备中,并搭配显示模块、语音报警模块、视频传输模块、定位模块,构建铁路异物数据集并训练权重文件。研究结果表明,在常见异物数据集中mAP0.5值为0.638。针对路外人员仅进行背景优化和结合离线增广,AP0.5值由0.851升至0.937,并取得了良好的鲁棒性。
|
关 键 词: | 侵限异物 目标检测 YOLOv5算法 远距离图像传输 报警 |
|
|