基于YOLO的轨道扣件状态检测

• 作者: 王兵水 郑树彬 柴晓冬 李立明
• 来源期刊: 传感器与微系统
• 关键词: 轨道扣件状态 卷积神经网络 YOLO网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 计算与测试|Calculation & Test
• 页码范围: 135-138
• 页数: 4页
• 分类号: U216.3
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)04-0135-04

摘要

建立了基于YOLO的轨道扣件状态检测模型.为了提高检测速度优化了YOLO神经网络的卷积层并运用反向传播算法对损失函数权重参数进行更新.根据VOC数据集格式创建了样本集并利用该样本集上训练及测试模型.检测结果表明:基于YOLO的扣件状态检测的查准率为94.2％,查全率为85.1％,检测速度达到了60 f/s,对环境具有很好的鲁棒性,并且运用该方法与另外两种算法进行对比分析得出该模型检测速度最快.