隨著我國高速鐵路技術(shù)的快速發(fā)展,列車速度不斷提升,列車的安全運(yùn)行愈發(fā)重要,而軌道異物入侵問題已經(jīng)嚴(yán)重影響到了鐵路的安全行駛,故需要對軌道進(jìn)行檢測防護(hù),防止異物入侵軌道。傳統(tǒng)軌道防護(hù)方案工程量大、成本高、檢測種類少、精度低,且需要人工操作進(jìn)行干預(yù)�；跈C(jī)器學(xué)習(xí)的檢測系統(tǒng)雖然在一定程度上降低了工程量和運(yùn)維成本,但是仍然存在很大的局限性,例如只能檢測運(yùn)動目標(biāo)和大型物體等等,已經(jīng)越來越難以達(dá)到日益提升的安全運(yùn)輸環(huán)境需求。本文在簡要介紹國內(nèi)外鐵路運(yùn)營安全檢測技術(shù)的基礎(chǔ)上,分析闡述了目前軌道異物入侵檢測技術(shù)存在的問題。針對關(guān)鍵技術(shù)瓶頸及傳統(tǒng)機(jī)器學(xué)習(xí)算法存在的不足之處,提出并研究設(shè)計(jì)了基于深度學(xué)習(xí)的軌道異物入侵檢測算法�；谏疃葘W(xué)習(xí)的軌道異物入侵檢測算法的研究內(nèi)容主要分為如下幾個方面:第一,對檢測視頻進(jìn)行單幀處理,并對獲得的單幀圖像進(jìn)行必要的預(yù)處理。第二,由于從室外場景中獲取視頻過程和圖像轉(zhuǎn)換過程會產(chǎn)生大量的噪聲,所以需要先對圖像進(jìn)行去噪處理。本文對比分析了四種常用圖像濾波算法的優(yōu)劣,選擇采用中值濾波算法對圖像進(jìn)行去噪處理。同時,為了更好地檢測出列車運(yùn)行軌道,對去噪圖像進(jìn)行了加權(quán)平均化灰度處理、二值... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

重慶軌道環(huán)線事故圖

圖 1.1 重慶軌道環(huán)線事故圖鐵路運(yùn)行線路軌道入侵的異物主要分為兩種。第一種為自然異物入侵，屬于不可抗力的自然災(zāi)害。主要是雨雪災(zāi)害等自然災(zāi)害。目前對于此類自然災(zāi)害造的發(fā)生可以通過氣象預(yù)報(bào)提前進(jìn)行預(yù)測。這種預(yù)測方式在實(shí)際工程應(yīng)用方面取得了一定的良好效果，故可以盡早采取相應(yīng)措施來應(yīng)對此種自然災(zāi)害發(fā)生造成的自然異物入侵狀況。如下圖 1.2所示：

(a) 人員入侵軌道 (b) 動物入侵軌道圖 1.3 人為異物入侵狀況綜上所述，對鐵路運(yùn)行線路遭受異物入侵問題進(jìn)行深入研究，從技術(shù)層面解決異物目標(biāo)對象的智能檢測難題，對于實(shí)現(xiàn)鐵路運(yùn)行線路異物入侵的智能監(jiān)測、預(yù)警，自動排查和響應(yīng)具有重大的現(xiàn)實(shí)意義。因此本文研究的問題，旨在從技術(shù)上針對人為異物入侵目標(biāo)對象進(jìn)行智能檢測，解決鐵路運(yùn)行軌道的異物入侵難題，預(yù)防鐵路軌道交通事故發(fā)生，將對保障火車安全平穩(wěn)行駛，保障人民和國家的生命財(cái)產(chǎn)安全具有重要意義。通常針對異物入侵目標(biāo)對象進(jìn)行智能檢測時，按照檢測設(shè)施有沒有直接接觸到鐵路運(yùn)行軌道，將智能檢測方法劃分為兩種類型，分別是接觸式檢測和非接觸式檢測[8]。由于接觸式檢測設(shè)備的實(shí)際工程實(shí)現(xiàn)操作量很大、造價高，而且能夠檢測到的異物目標(biāo)對象種類有限，故此類方法用途局限性強(qiáng)，在實(shí)際工程中應(yīng)用較少；非接觸式檢測方法卻憑借著其較低的安裝成本、較小的工程量實(shí)現(xiàn)檢測目的，同時具有較廣的異物目標(biāo)對象檢測范圍，因此其成為各大研究機(jī)構(gòu)研究的重點(diǎn)[9]。在非接觸式檢測方法中，視頻監(jiān)控技術(shù)已成了廣大研究機(jī)構(gòu)爭相研究的熱門技術(shù)。利用視頻監(jiān)控方法對鐵路運(yùn)行線路進(jìn)行遠(yuǎn)程可視化監(jiān)控會使得異物入侵監(jiān)測比較直觀而且監(jiān)測范圍比較大�；诖藘�(yōu)點(diǎn)，視頻

【參考文獻(xiàn)】：
期刊論文
[1]基于YOLO深度卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜背景下機(jī)器人采摘蘋果定位[J]. 趙德安,吳任迪,劉曉洋,趙宇艷.  農(nóng)業(yè)工程學(xué)報(bào). 2019(03)
[2]基于最小二乘法與霍夫變換的虹膜定位算法[J]. 田子林,陳家新.  電子技術(shù)應(yīng)用. 2019(02)
[3]一種基于OpenCV的車道線檢測方法[J]. 王文豪,高利.  激光雜志. 2019(01)
[4]基于YOLO網(wǎng)絡(luò)的數(shù)據(jù)采集與標(biāo)注[J]. 殷帥,胡越黎,劉思齊,燕明.  儀表技術(shù). 2018(12)
[5]基于Darknet框架下YOLO v2算法的車輛多目標(biāo)檢測方法[J]. 李珣,劉瑤,李鵬飛,張蕾,趙征凡.  交通運(yùn)輸工程學(xué)報(bào). 2018(06)
[6]基于改進(jìn)隨機(jī)Hough變換的直線檢測算法[J]. 徐超,平雪良.  激光與光電子學(xué)進(jìn)展. 2019(05)
[7]改進(jìn)YOLO V3遙感圖像飛機(jī)識別應(yīng)用[J]. 鄭志強(qiáng),劉妍妍,潘長城,李國寧.  電光與控制. 2019(04)
[8]軌道交通線路異物入侵的視覺檢測方法[J]. 王前選,李鵬,崔燦,周偉.  五邑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[9]基于YOLO＿v2模型的車輛實(shí)時檢測[J]. 黎洲,黃妙華.  中國機(jī)械工程. 2018(15)
[10]基于YOLO的車輛信息檢測和跟蹤系統(tǒng)[J]. 王福建,張俊,盧國權(quán),李翔,羅鵬.  工業(yè)控制計(jì)算機(jī). 2018(07)

碩士論文
[1]矩形檢測的隨機(jī)Hough變換及神經(jīng)網(wǎng)絡(luò)方法研究[D]. 陳抗抗.湘潭大學(xué) 2018
[2]顧及圖像噪聲的直線提取算法研究[D]. 趙靜.中國礦業(yè)大學(xué) 2018
[3]基于深度學(xué)習(xí)的目標(biāo)檢測算法研究[D]. 張志豪.電子科技大學(xué) 2018
[4]基于SSD算法的車輛和行人的檢測[D]. 吳瓊.華中師范大學(xué) 2018
[5]基于智能監(jiān)控的鐵軌異物入侵自動識別研究[D]. 蔣超.蘭州交通大學(xué) 2017
[6]面向高鐵接觸網(wǎng)的異物檢測研究與實(shí)現(xiàn)[D]. 張沐杰.西安電子科技大學(xué) 2017
[7]基于智能相機(jī)的鐵路異物侵限檢測系統(tǒng)設(shè)計(jì)[D]. 張旭東.北京交通大學(xué) 2017
[8]基于深度學(xué)習(xí)的鐵路異物侵限檢測系統(tǒng)研究[D]. 張成.北方工業(yè)大學(xué) 2017
[9]基于機(jī)器視覺的軌道交通線路異物檢測技術(shù)研究[D]. 同磊.北京交通大學(xué) 2012



本文編號：3383436