深度学习目标检测算法在货运列车车钩识别中的应用

作者：郭忠峰^*; 张渊博; 王赫莹; 任仲伟

来源：铁道科学与工程学报, 2020, 17(10): 2479-2484.

DOI：10.19713/j.cnki.43-1423/u.T20191164

• 改进YOLOv2模型
• 货运列车
• 车钩识别
• K-means聚类算法

铁路货运列车的自动摘钩是实现驼峰作业自动化的重要环节,为了完成货运列车自动摘钩工作,需要实现车钩的快速准确识别。通过当前广泛应用的YOLOv2网络模型,研究针对货运列车在正常工作条件下车钩的识别问题,通过K-means聚类算法对YOLOv2网络模型中anchor的个数进行调整优化,找出适用于本次车钩识别的最优anchor个数以及宽高维度,并通过训练自制具有明显目标特征数据集来获取更加准确的权重。结果表明改进YOLOv2模型在精确度上达到92.6%;在召回率上达到了91.8%;在FPS上达到45帧/s,改进的YOLOv2模型达到了预期设计目标。

• 单位
  沈阳工业大学; 贵州理工学院