摘要：基于监控视频的入侵检测是保障铁路安全运营,人工智能技术赋能智慧铁路的一项重要业务。然而,传统深度学习模型依赖海量训练数据,实际铁路场景中面临场景差异大、侵限样本稀缺等问题,使得传统深度学习模型在铁路场景中迁移难、过拟合,无法实现高识别准确率。本文提出一种基于MAML元学习算法的铁路入侵检测方案;设计一个轻量级的深度神经网络,并在国产飞桨深度学习平台实现。最终,在目标监控场景下,利用本文所提模型,仅经过少量标注数据快速微调训练,可达到82.4%的检测准确率。

摘要：抚顺东露天矿采用单斗电铲装铁道列车方式进行采区路端扩采延伸,随着采矿重心逐年降深,采区路端个数随之增加,采用传统电铁“捣装”方式作业影响电铁系统开拓降深进度;结合现状,设计采用液压反铲与电铲联合作业方式加速扩采采区路端,提升端帮采掘进度,满足电铁降深速度要求。研究结果表明:电铲-液压反铲联合方式作业可大幅提高东露天矿采区路端装车效率,加快端帮扩采速度。