基于深度学习的轨道异物入侵检测算法研究
发布时间：2021-09-04 14:28
随着我国高速铁路技术的快速发展,列车速度不断提升,列车的安全运行愈发重要,而轨道异物入侵问题已经严重影响到了铁路的安全行驶,故需要对轨道进行检测防护,防止异物入侵轨道。传统轨道防护方案工程量大、成本高、检测种类少、精度低,且需要人工操作进行干预。基于机器学习的检测系统虽然在一定程度上降低了工程量和运维成本,但是仍然存在很大的局限性,例如只能检测运动目标和大型物体等等,已经越来越难以达到日益提升的安全运输环境需求。本文在简要介绍国内外铁路运营安全检测技术的基础上,分析阐述了目前轨道异物入侵检测技术存在的问题。针对关键技术瓶颈及传统机器学习算法存在的不足之处,提出并研究设计了基于深度学习的轨道异物入侵检测算法。基于深度学习的轨道异物入侵检测算法的研究内容主要分为如下几个方面:第一,对检测视频进行单帧处理,并对获得的单帧图像进行必要的预处理。第二,由于从室外场景中获取视频过程和图像转换过程会产生大量的噪声,所以需要先对图像进行去噪处理。本文对比分析了四种常用图像滤波算法的优劣,选择采用中值滤波算法对图像进行去噪处理。同时,为了更好地检测出列车运行轨道,对去噪图像进行了加权平均化灰度处理、二值...
【文章来源】：江西理工大学江西省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
重庆轨道环线事故图
图 1.1 重庆轨道环线事故图铁路运行线路轨道入侵的异物主要分为两种。第一种为自然异物入侵，属于不可抗力的自然灾害。主要是雨雪灾害等自然灾害。目前对于此类自然灾害造的发生可以通过气象预报提前进行预测。这种预测方式在实际工程应用方面取得了一定的良好效果，故可以尽早采取相应措施来应对此种自然灾害发生造成的自然异物入侵状况。如下图 1.2所示：
(a) 人员入侵轨道 (b) 动物入侵轨道图 1.3 人为异物入侵状况综上所述，对铁路运行线路遭受异物入侵问题进行深入研究，从技术层面解决异物目标对象的智能检测难题，对于实现铁路运行线路异物入侵的智能监测、预警，自动排查和响应具有重大的现实意义。因此本文研究的问题，旨在从技术上针对人为异物入侵目标对象进行智能检测，解决铁路运行轨道的异物入侵难题，预防铁路轨道交通事故发生，将对保障火车安全平稳行驶，保障人民和国家的生命财产安全具有重要意义。通常针对异物入侵目标对象进行智能检测时，按照检测设施有没有直接接触到铁路运行轨道，将智能检测方法划分为两种类型，分别是接触式检测和非接触式检测[8]。由于接触式检测设备的实际工程实现操作量很大、造价高，而且能够检测到的异物目标对象种类有限，故此类方法用途局限性强，在实际工程中应用较少；非接触式检测方法却凭借着其较低的安装成本、较小的工程量实现检测目的，同时具有较广的异物目标对象检测范围，因此其成为各大研究机构研究的重点[9]。在非接触式检测方法中，视频监控技术已成了广大研究机构争相研究的热门技术。利用视频监控方法对铁路运行线路进行远程可视化监控会使得异物入侵监测比较直观而且监测范围比较大。基于此优点，视频
【参考文献】：
期刊论文
[1]基于YOLO深度卷积神经网络的复杂背景下机器人采摘苹果定位[J]. 赵德安,吴任迪,刘晓洋,赵宇艳. 农业工程学报. 2019(03)
[2]基于最小二乘法与霍夫变换的虹膜定位算法[J]. 田子林,陈家新. 电子技术应用. 2019(02)
[3]一种基于OpenCV的车道线检测方法[J]. 王文豪,高利. 激光杂志. 2019(01)
[4]基于YOLO网络的数据采集与标注[J]. 殷帅,胡越黎,刘思齐,燕明. 仪表技术. 2018(12)
[5]基于Darknet框架下YOLO v2算法的车辆多目标检测方法[J]. 李珣,刘瑶,李鹏飞,张蕾,赵征凡. 交通运输工程学报. 2018(06)
[6]基于改进随机Hough变换的直线检测算法[J]. 徐超,平雪良. 激光与光电子学进展. 2019(05)
[7]改进YOLO V3遥感图像飞机识别应用[J]. 郑志强,刘妍妍,潘长城,李国宁. 电光与控制. 2019(04)
[8]轨道交通线路异物入侵的视觉检测方法[J]. 王前选,李鹏,崔灿,周伟. 五邑大学学报(自然科学版). 2018(03)
[9]基于YOLO＿v2模型的车辆实时检测[J]. 黎洲,黄妙华. 中国机械工程. 2018(15)
[10]基于YOLO的车辆信息检测和跟踪系统[J]. 王福建,张俊,卢国权,李翔,罗鹏. 工业控制计算机. 2018(07)
硕士论文
[1]矩形检测的随机Hough变换及神经网络方法研究[D]. 陈抗抗.湘潭大学 2018
[2]顾及图像噪声的直线提取算法研究[D]. 赵静.中国矿业大学 2018
[3]基于深度学习的目标检测算法研究[D]. 张志豪.电子科技大学 2018
[4]基于SSD算法的车辆和行人的检测[D]. 吴琼.华中师范大学 2018
[5]基于智能监控的铁轨异物入侵自动识别研究[D]. 蒋超.兰州交通大学 2017
[6]面向高铁接触网的异物检测研究与实现[D]. 张沐杰.西安电子科技大学 2017
[7]基于智能相机的铁路异物侵限检测系统设计[D]. 张旭东.北京交通大学 2017
[8]基于深度学习的铁路异物侵限检测系统研究[D]. 张成.北方工业大学 2017
[9]基于机器视觉的轨道交通线路异物检测技术研究[D]. 同磊.北京交通大学 2012
本文编号：3383436
【文章来源】：江西理工大学江西省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
重庆轨道环线事故图
图 1.1 重庆轨道环线事故图铁路运行线路轨道入侵的异物主要分为两种。第一种为自然异物入侵，属于不可抗力的自然灾害。主要是雨雪灾害等自然灾害。目前对于此类自然灾害造的发生可以通过气象预报提前进行预测。这种预测方式在实际工程应用方面取得了一定的良好效果，故可以尽早采取相应措施来应对此种自然灾害发生造成的自然异物入侵状况。如下图 1.2所示：
(a) 人员入侵轨道 (b) 动物入侵轨道图 1.3 人为异物入侵状况综上所述，对铁路运行线路遭受异物入侵问题进行深入研究，从技术层面解决异物目标对象的智能检测难题，对于实现铁路运行线路异物入侵的智能监测、预警，自动排查和响应具有重大的现实意义。因此本文研究的问题，旨在从技术上针对人为异物入侵目标对象进行智能检测，解决铁路运行轨道的异物入侵难题，预防铁路轨道交通事故发生，将对保障火车安全平稳行驶，保障人民和国家的生命财产安全具有重要意义。通常针对异物入侵目标对象进行智能检测时，按照检测设施有没有直接接触到铁路运行轨道，将智能检测方法划分为两种类型，分别是接触式检测和非接触式检测[8]。由于接触式检测设备的实际工程实现操作量很大、造价高，而且能够检测到的异物目标对象种类有限，故此类方法用途局限性强，在实际工程中应用较少；非接触式检测方法却凭借着其较低的安装成本、较小的工程量实现检测目的，同时具有较广的异物目标对象检测范围，因此其成为各大研究机构研究的重点[9]。在非接触式检测方法中，视频监控技术已成了广大研究机构争相研究的热门技术。利用视频监控方法对铁路运行线路进行远程可视化监控会使得异物入侵监测比较直观而且监测范围比较大。基于此优点，视频
【参考文献】：
期刊论文
[1]基于YOLO深度卷积神经网络的复杂背景下机器人采摘苹果定位[J]. 赵德安,吴任迪,刘晓洋,赵宇艳. 农业工程学报. 2019(03)
[2]基于最小二乘法与霍夫变换的虹膜定位算法[J]. 田子林,陈家新. 电子技术应用. 2019(02)
[3]一种基于OpenCV的车道线检测方法[J]. 王文豪,高利. 激光杂志. 2019(01)
[4]基于YOLO网络的数据采集与标注[J]. 殷帅,胡越黎,刘思齐,燕明. 仪表技术. 2018(12)
[5]基于Darknet框架下YOLO v2算法的车辆多目标检测方法[J]. 李珣,刘瑶,李鹏飞,张蕾,赵征凡. 交通运输工程学报. 2018(06)
[6]基于改进随机Hough变换的直线检测算法[J]. 徐超,平雪良. 激光与光电子学进展. 2019(05)
[7]改进YOLO V3遥感图像飞机识别应用[J]. 郑志强,刘妍妍,潘长城,李国宁. 电光与控制. 2019(04)
[8]轨道交通线路异物入侵的视觉检测方法[J]. 王前选,李鹏,崔灿,周伟. 五邑大学学报(自然科学版). 2018(03)
[9]基于YOLO＿v2模型的车辆实时检测[J]. 黎洲,黄妙华. 中国机械工程. 2018(15)
[10]基于YOLO的车辆信息检测和跟踪系统[J]. 王福建,张俊,卢国权,李翔,罗鹏. 工业控制计算机. 2018(07)
硕士论文
[1]矩形检测的随机Hough变换及神经网络方法研究[D]. 陈抗抗.湘潭大学 2018
[2]顾及图像噪声的直线提取算法研究[D]. 赵静.中国矿业大学 2018
[3]基于深度学习的目标检测算法研究[D]. 张志豪.电子科技大学 2018
[4]基于SSD算法的车辆和行人的检测[D]. 吴琼.华中师范大学 2018
[5]基于智能监控的铁轨异物入侵自动识别研究[D]. 蒋超.兰州交通大学 2017
[6]面向高铁接触网的异物检测研究与实现[D]. 张沐杰.西安电子科技大学 2017
[7]基于智能相机的铁路异物侵限检测系统设计[D]. 张旭东.北京交通大学 2017
[8]基于深度学习的铁路异物侵限检测系统研究[D]. 张成.北方工业大学 2017
[9]基于机器视觉的轨道交通线路异物检测技术研究[D]. 同磊.北京交通大学 2012
本文编号：3383436
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3383436.html
