針對(duì)目前軌道扣件人工檢測效率低、準(zhǔn)確率低等問題,提出了基于YOLOv3算法的軌道扣件自動(dòng)定位及檢測方法。采集有砟軌道和無砟軌道的扣件圖像并進(jìn)行標(biāo)注,通過K-means聚類確定預(yù)設(shè)邊界框大小;為了更好地檢測到細(xì)粒度特征,采用4個(gè)不同尺度的特征圖來進(jìn)行對(duì)象檢測;對(duì)Darknet-53網(wǎng)絡(luò)進(jìn)行改進(jìn),有利于解決深層次網(wǎng)絡(luò)的梯度問題,增加軌道扣件目標(biāo)識(shí)別模型的識(shí)別效果。試驗(yàn)結(jié)果表明,該方法對(duì)軌道扣件目標(biāo)識(shí)別效果較好,檢測準(zhǔn)確率較高。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 檢測算法
    1.1 深度學(xué)習(xí)算法簡介
    1.2 YOLOv3算法
2 YOLOv3算法模型適應(yīng)性改進(jìn)
3 試驗(yàn)驗(yàn)證
    3.1 數(shù)據(jù)集建立
    3.2 預(yù)設(shè)邊界框的選取與預(yù)測
    3.3 結(jié)果分析
4 結(jié)語



本文編號(hào)：3874923