仪器仪表学报

作者：叶 涛，赵宗扬，郑志康

单位：叶 涛,1.中国矿业大学(北京)机电与信息工程学院,,赵宗扬,1.中国矿业大学(北京)机电与信息工程学院,,郑志康,1.中国矿业大学(北京)机电与信息工程学院,

关键词：目标检测算法;轻量型卷积神经网络;深度学习;轨道入侵异物;自适应特征融合;检测系统

基金：煤炭资源高效开采与洁净利用国家重点实验室开放基金(2021?CMCU?KF012)、中央高校基本科研业务费专项基金(2022YQJD04，2022YJSJD01)项目资助

针对轨道入侵异物对行车安全造成的极大威胁,而现有的轨道目标检测算法难以平衡检测精度和速度、易受复杂环境影响以及难以部署于嵌入式设备等问题,提出了一种轻量型自适应多尺度卷积神经网络,其通过特征图线性变换简化特征提取过程,使用自适应多尺度特征融合优化特征表达能力,并通过设计轻量型注意力进一步提升异物检测精度;同时,结合NVIDIAJetsonTX2嵌入式平台,研制了轨道入侵异物自主检测系统。实验结果表明,本文提出的模型很好地平衡了检测速度和精度,在NVIDIAGeForceGTX1080Ti的GPU平台上对轨道数据集的检测速度为297FPS,检测精度为92.96%,比YOLOv4-tiny高7.72%,实现了在轨道交通复杂场景下高精度、高速度以及高鲁棒性的检测入侵异物。

来源：2022年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第9期