基于YOLOv5的铁路远距离异物识别报警装置

作者：袁航; 胡伟; 赵龙; 琚中超; 卜旭辉

来源：设备管理与维修, 2023, (21): 158-161.

DOI：10.16621/j.cnki.issn1001-0599.2023.11.59

• 侵限异物
• 目标检测
• YOLOv5算法
• 远距离图像传输
• 报警

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。

• 单位
  河南理工大学; 郑州铁路局