基于LAM-Net的轨道侵入界异物自主检测系统

作     者：叶涛 赵宗扬 郑志康 Ye Tao;Zhao Zongyang;Zheng Zhikang

作者机构：中国矿业大学(北京)机电与信息工程学院北京100083 

基　　金：煤炭资源高效开采与洁净利用国家重点实验室开放基金(2021-CMCU-KF012) 中央高校基本科研业务费专项基金(2022YQJD04,2022YJSJD01)项目资助 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2022年第43卷第9期

页      码：206-218页

摘      要：针对轨道入侵异物对行车安全造成的极大威胁,而现有的轨道目标检测算法难以平衡检测精度和速度、易受复杂环境影响以及难以部署于嵌入式设备等问题,提出了一种轻量型自适应多尺度卷积神经网络,其通过特征图线性变换简化特征提取过程,使用自适应多尺度特征融合优化特征表达能力,并通过设计轻量型注意力进一步提升异物检测精度;同时,结合NVIDIA Jetson TX2嵌入式平台,研制了轨道入侵异物自主检测系统。实验结果表明,本文提出的模型很好地平衡了检测速度和精度,在NVIDIA GeForce GTX1080Ti的GPU平台上对轨道数据集的检测速度为297 FPS,检测精度为92.96%,比YOLOv4-tiny高7.72%,实现了在轨道交通复杂场景下高精度、高速度以及高鲁棒性的检测入侵异物。

主 题 词：目标检测算法 轻量型卷积神经网络 深度学习 轨道入侵异物 自适应特征融合 检测系统 

学科分类：0710[理学-生物科学类] 08[工学] 082303[082303] 0701[理学-数学类] 082302[082302] 0812[工学-测绘类] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.19650/j.cnki.cjsi.J2209185

馆 藏 号：203115930...