基于LGF-Net的全天候轨道入侵异物智能检测系统

作者：赵宗扬; 康杰虎; 梁健; 叶涛; 吴斌

来源：仪器仪表学报, 2023, 44(09): 287-301.

DOI：10.19650/j.cnki.cjsi.J2311633

• 轨道入侵异物
• 目标检测
• 深度学习
• 神经网络
• 检测系统

针对轨道入侵异物为行车安全带来巨大威胁，而现有的轨道目标检测模型检测精度和速度难以平衡、复杂轨道环境中多尺度目标检测鲁棒性差等问题，提出了一种全天候高精度实时多尺度轨道入侵异物检测模型。该模型通过使用双分支结构和线性特征变换提升模型的特征提取速度；通过改进Transformer结构使轻量型模型能够建模全局上下文信息；通过设计高丰富度特征融合结构和轻量型注意力机制进一步提升模型的多尺度目标检测能力。此外，本文将该模型进行嵌入式移植并研制智能检测系统。实验结果表明，本文所提出的模型在实际轨道场景采集的数据集中检测精度和速度分别为94.93%和132 fps,比YOLOv5s高3.09%,能够满足在复杂轨道场景中高精度实时检测多尺度入侵异物的应用需求。

• 单位
  天津大学; 中国矿业大学（北京）