王飞, 刘桂卫, 陈则连, 张璇钰, 孙琪皓, 张瑞, 薛双纲
铁道工程学报. 2025, 42(4): 88-92.
研究目的:异物侵限是铁路面临的最严重威胁之一,近年来屡屡发生列车脱轨和人员伤亡事故。当前异物侵限主要依靠人员盯控,无法实时进行监测和预警,且存在很多盲区。为了实现异物侵限的实时智能化监测,研究视频图像融合U-Net孪生网络模型的监测技术,建立不同类型异物的样本库,通过与传统方法进行对比分析,验证本文方法的有效性,为该技术工程应用奠定基础。
研究结论:(1)提出的引入ResNet-101 构造的U-Net孪生网络模型,融合了不同尺度的语义信息,极大程度地减少了目标物的漏检问题,相比传统算法优势明显;(2)U-Net孪生网络模型在不同种类异物识别方面具有泛化性,对列车、人员、树枝、石头和轻飘物具有较高的识别率;(3)视频图像融合U-Net孪生网络技术的精确率和召回率分别达到0.95和0.96,误检率和漏检率分别为0.05和0.04,满足铁路监测要求;(4)本研究结果可为铁路异物侵限智能识别提供科学方法,可作为人工巡检的重要补充,极具推广价值。