基于深度学习技术的货检图像智能识别与测试研究

• 作者: 于国丞 张慧 李健超 柴雪松 辛向党 龚喆
• 来源期刊: 铁道货运
• 学科: 交通运输
• 关键词: 铁路货检作业 高清图像 海量数据 深度学习 智能货运 安全运输
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 货运信息化
• 页码范围: 22-27
• 页数: 6页
• 分类号: U298.1
• 字数: 4307字
• 语种: 中文
• DOI: 10.16669/j.cnki.issn.1004-2024.2019.06.05

摘要

为了提升铁路货检作业效率和质量,针对目前铁路货检工作主要依赖人工对高清图片进行查看,存在强度大、容易漏判等问题,在统计分析既有货检问题的种类、与车型的关系及所占比例基础上,采用深度学习技术,基于Faster-RCNN网络架构建立货检病害智能识别模型.经样本图片测试集测试表明,所提出的货检智能识别模型对于车顶异物、车门开启、防尘盖开启等7类问题图片的检出率接近80％,准确性超过90％,每张图片的检测速度约0.9 s,可满足现场实时、智能检测需求,从而为铁路货检向智能化发展提供有力的工具.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于国丞	中国铁道科学研究院集团有限公司铁道建筑研究所	6	8	2.0	2.0
2	柴雪松	中国铁道科学研究院集团有限公司铁道建筑研究所	23	190	7.0	13.0
3	李健超	中国铁道科学研究院集团有限公司铁道建筑研究所	3	14	2.0	3.0
4	张慧	中国铁路兰州局集团有限公司货运处	2	2	1.0	1.0
5	辛向党	中国铁路兰州局集团有限公司货运处	1	0	0.0	0.0