| 篇名 | 以深度学习进行全方位轨道缺失构件检测 |
| 作者 | 谢祯冏、谢幼屏、赖瑞应、黄维信、谢尚琳、徐倜云、杜宇豪、贾汉文 |
| 摘要 | 轨道扣件负责固定钢轨于枕木上,避免轨道松脱变形。传统铁路轨道扣件巡检方式系采人工,以目视方式进行巡检。近年来,人工智能深度学习蓬勃发展,在许多领域获得突破性进展,因此本研究以人工智能 (Artificial Intelligence,AI) 方式进行铁路轨道缺失构件检测,得以降低人工巡检的负担及时间,并将此技术实地测试与应用推广。首先蒐集国内外铁路轨道构件检测案例并分析其设备及方法,接着建立轨道构件样本的撷取设备,包含影像记录及照明,再依收集之上视、侧视轨道构件样本,分为上视10种缺失类别、侧视4种缺失类别与2种正常类别。采用YOLOv4-Tiny模型进行深度学习训练。在实验中录制超过70公里轨道构件影像,分别以上视缺失构件与侧视构件资料集进行训练,所得上视缺失与侧视缺失检出率分别为91%与94%,平均精确率各别为91.7%与99.2%,显示辨识指标良好,执行效能也可达150张/秒。期间比较YOLOv4-Tiny 模型与人工徒步巡检,成本与效能均较佳。 |
| 卷 | 52 |
| 期 | 3 |
| 页次 | 191 |
| 出版年份 | 112 |
| 出版月份 | 9 |
| 档案下载 | 以深度学习进行全方位轨道缺失构件检测.pdf |
| Hashtags |
查看次数:
14