基于改进YOLOv3的铁路关键作业流程自动鉴别系统

作者：张志晨; 李军^*; 何波; 郑文静; 王昱凯

来源：齐鲁工业大学学报, 2022, 36(04): 14-22.

DOI：10.16442/j.cnki.qlgydxxb.2022.04.003

• 深度学习
• 目标检测
• YOLOv3

针对铁路列车关键安全点的检测问题，提出一种改进YOLOv3网络的铁路关键作业流程自动鉴别系统，提高了对小物体特征的检测精度。使用残差网络对darknet53结构进行改进，采用FPN网络加强特征提取以及融合(104,104,24)的检测分支，通过YOLO＿Head获得预测结果，从而提高小目标检测精度。在铁路数据集上的实验结果表明，改进的YOLOv3网络在较小的关键点的检测上有了较大突破，列车中电箱锁的置信度提升了0.33,精准度提升了21.39%,召回率提升了10.34%,F1值提升了0.16;3种关键特征的mAP提升了12.05%。

• 单位
  山东省科学院; 齐鲁工业大学; 自动化学院; 山东大学