仪器仪表学报

作者：赵宗扬，康杰虎，吴 斌，叶 涛，张 振

单位：赵宗扬,1. 天津大学精密测量技术及仪器全国重点实验室,,康杰虎,1. 天津大学精密测量技术及仪器全国重点实验室,,吴 斌,1. 天津大学精密测量技术及仪器全国重点实验室,,叶 涛,2. 中国矿业大学(北京) 机电与信息工程学院,,张 振,1. 天津大学精密测量技术及仪器全国重点实验室,

关键词：轨道入侵异物;元学习;小样本目标检测;多尺度;深度学习

基金：天 津 市 交 通 运 输 科 技 发 展 计 划 ( 2022-09 )、 北 京 市 自 然 科 学 基 金 ( L221018 )、 光 纤 传 感 与 系 统 北 京 实 验 室 开 放 课 题 (GXKF2022001)、天津大学自主创新基金 (2023XHX-0019)项目资助

针对轨道入侵异物严重威胁行车安全,而基于广义深度学习的目标检测方法无法打破大数据驱动的训练壁垒、小样本目标检测方法在复杂轨道环境中对多尺度入侵异物检测能力差、鲁棒性低等问题,本文提出了一种高鲁棒性多尺度小样本轨道入侵异物检测模型。该模型采用元学习策略,通过多尺度小样本入侵异物特征提取模块增强模型对于不同尺度小样本异物特征的表达能力。使用轨道入侵异物元特征精准重加权模块对小样本异物的元特征进行精准优化。提出小样本轨道入侵异物检测优化模块进一步提升模型的检测性能。实验结果表明,该模型在7-way30-shot的小样本轨道异物检测任务中的平均检测精度为81.8%,比FSRW高3.2%,更适合在实际轨道环境中检测多尺度小样本入侵异物。

来源：2024年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第1期