[1]刘孜学,王富斌,虞凯.基于改进YOLOv3的铁路落石检测方法研究与实现[J].高速铁路技术,2022,13(03):52-56,80.[doi:10.12098/j.issn.1674-8247.2022.03.010]
LIU Zixue,WANG Fubin,YU Kai.Research and Implementation of the Railway Rockfall Detection based on Modified YOLOv3[J].HIGH SPEED RAILWAY TECHNOLOGY,2022,13(03):52-56,80.[doi:10.12098/j.issn.1674-8247.2022.03.010]
点击复制
基于改进YOLOv3的铁路落石检测方法研究与实现(
)
《高速铁路技术》[ISSN:1674-8247/CN:51-1730/U]
- 卷:
-
13卷
- 期数:
-
2022年03期
- 页码:
-
52-56,80
- 栏目:
-
- 出版日期:
-
2022-06-28
文章信息/Info
- Title:
-
Research and Implementation of the Railway Rockfall Detection based on Modified YOLOv3
- 文章编号:
-
1674—8247(2022)03—0052-05
- 作者:
-
刘孜学; 王富斌; 虞凯
-
中铁二院工程集团有限责任公司, 成都 610031
- Author(s):
-
LIU Zixue; WANG Fubin; YU Kai
-
China Railway Eryuan Engineering Group Co., Ltd., Chengdu 610031, China
-
- 关键词:
-
山区铁路|边坡落石|落石群|YOLOv3算法|多尺度检测
- Keywords:
-
mountain railway|slope rockfall|rockfall cluster|YOLOv3 algorithm|multi-scale detection
- 分类号:
-
U283.5
- DOI:
-
10.12098/j.issn.1674-8247.2022.03.010
- 文献标志码:
-
A
- 摘要:
-
我国山区铁路沿线边坡崩塌落石侵入铁路限界将严重危及列车运行安全,当前铁路危岩落石的自动化监测系统存在误报、漏报及时效性低等缺点,各类监测系统对侵限落石的检测方法成为了制约系统性能指标的关键因素。本文收集了大量铁路真实场景下的崩塌落石样本,并选取Faster RCNN和YOLOv3算法进行了落石检测对比实验,实验表明YOLOv3算法与Faster RCNN算法检测精度相近,但检测速度更快,因此本文选取YOLOv3算法构建铁路边坡落石检测模型。由于YOLOv3算法对铁路落石群的检测准确度较低,本文采用多尺度检
- Abstract:
-
The slope collapse and rockfall intrusion into the railway clearance along the railway in mountainous areas of China seriously endangers the safety of train operation. At present, the automatic monitoring system of dangerous rockfalls on railways has the
备注/Memo
- 备注/Memo:
-
作者简介:刘孜学(1981-),男,高级工程师。基金项目:2021年四川省科技成果转移转化示范项目;中国中铁股份有限公司科研引导课题(2018-引导-79)引文格式:刘孜学, 王富斌, 虞凯, 等. 基于改进YOLOv3的铁路落石检测方法研究与实现[J]. 高速铁路技术, 2022,13(3):52-56,80.LIU Zixue, WANG Fubin, YU Kai, et al. Research and Implementation of the Railway Rockfall Detectio
更新日期/Last Update:
2022-06-28