为了提高地铁站台门异物检测结果的检测精度，该文提出了一种基于BP神经网络的的站台门异物检测方法。采用BP神经网络对地铁列车站台门与列车门之间的异物识别进行检测，建立了基于BP神经网络的列车站台门异物检测系统，利用模拟试验对BP神经网络模型进行训练，确定了BP神经网络的网络结构。将BP神经网络的检测结果与SVM和K-means算法进行对比，BP神经网络的检测精度为98.5%，检测效果好于其他方法。将该系统应用于实际场景，平均检测精度为98.23%，验证了所提方法的正确性和实用性。
科研之友
微信
新浪微博
Facebook
分享链接
