基于YOLOv5的铁路远距离异物识别报警装置  

作　　者：袁航[1,2] 胡伟 赵龙[2] 琚中超 卜旭辉 

机构地区：[1]河南理工大学,河南焦作454003 [2]郑州铁路局郑州机务段,河南郑州450053

出　　处：《设备管理与维修》2023年第21期158-161,共4页Plant Maintenance Engineering

基　　金：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 

分 类 号：U265[机械工程—车辆工程]