结合YOLOv3模型的轨旁公里标识别方法

• 作者: 季育文 李佳 王文昆 邱新华
• 来源期刊: 控制与信息技术
• 学科: 工学
• 关键词: 深度学习 目标检测网络模型 位置校正 公里标 钢轨探伤车
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 控制理论与应用
• 页码范围: 7-11
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13889/j.issn.2096-5427.2020.05.002

摘要

针对目前轨旁标志识别方法抗干扰能力差、泛化性不强、无法适应铁路沿线复杂的背景波动的问题,文章提出一种基于YOLOv3目标检测网络模型的公里标图像识别方法,其面对不同光照、复杂背景、形态各异的公里标图像仍然能保证具有很好的识别准确率.该方法首先采用卷积神经网络学习图像特征获取各层网络参数;接着在训练好的网络参数基础上应用迁移学习策略获取可能的公里标矩形区域,保存相应的权重和偏置参数;然后采用模式识别方法进行公里标字符区域提取、单字符分割与识别;最后输出公里标数字信息到控制系统.实验结果表明,采用该方法后,公里标识别时间约为0.04 s,定位精度在0.5 m以内,完全满足探伤车位置校正的精度和实时性要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李佳		3	0	0.0	0.0
2	王文昆		5	0	0.0	0.0
3	邱新华		1	0	0.0	0.0
4	季育文		1	0	0.0	0.0