典型文献
基于轻量级卷积神经网络的地铁轨道线路状态检测系统
文献摘要：
轨道作为承载车辆运行的重要部件,其工作状态对地铁运营的安全性有重要影响.传统人工巡检或者采用轨检车的检测模式只能在正线停运后进行作业,工作效率低.针对该问题,提出一种基于地铁运营列车的轨道线路状态检测系统,该系统采用高速线扫相机对轨道线路进行实时图像采集,并将采集数据送入轻量级RegNet骨干神经网络提取图像深层特征.在此基础上,加入双向特征金字塔网络进行多层次特征融合.最后将融合特征输入目标检测头实现轨道线路状态的实时检测.结合基于云边协同的困难样本挖掘以及模型部署加速技术,算法可实现高准确率、高实时性的检测性能.试验表明,该系统针对11类钢轨伤损及扣件状态的检测平均准确率(mAP)达到0.951,推理速度大于20 f/s,满足地铁在载客运营同时对轨道线路状态进行实时检测的需求.
文献关键词：
地铁车辆;钢轨损伤;扣件检测;深度学习;云边协同;钢轨
中图分类号：
作者姓名：
林军;袁浩;刘悦;康高强;仝皓
作者机构：
中车株洲电力机车研究所有限公司,湖南株洲 412001
文献出处：
引用格式：
[1]林军;袁浩;刘悦;康高强;仝皓-.基于轻量级卷积神经网络的地铁轨道线路状态检测系统)[J].机车电传动,2022(02):97-104
A类：
B类：
轻量级卷积神经网络,地铁轨道,状态检测,工作状态,地铁运营,传统人工,人工巡检,轨检车,检测模式,正线,停运,列车,高速线,图像采集,采集数据,送入,RegNet,深层特征,双向特征金字塔网络,多层次特征融合,融合特征,目标检测,检测头,实时检测,云边协同,困难样本挖掘,模型部署,加速技术,高实时性,检测性能,钢轨伤损,平均准确率,mAP,推理速度,载客,客运,地铁车辆,钢轨损伤,扣件检测
AB值：
0.418745
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
