公开(公告)号：CN115546742A

公开(公告)日：2022-12-30

申请号：CN202211323105.1

申请日：2022-10-27

Applicant: 华南农业大学

Inventor： 古卓恒 ,  王国华 ,  连佩仪 ,  凌海涛 ,  谢函

IPC: G06V20/54 ,  G06V10/26 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于单目热红外摄像头的铁轨异物识别方法及系统。包括：在传统的半自动标注算法基础上利用了多种不同网络模型进行半自动标注，获得带有更为精确的半自动图像轮廓信息；在语义分割网络中，将热感图像特征图和基于热感图像灰度处理的特征图进行融合，并增加了权重因子规格化模块操作，获得异物分割图；提出基于改进的跨模态融合的主干神经网络，通过transformer将分割图和热红外图的跨模态特征点和模态信息进行融合，利用蒸馏学习方法压缩网络参数实现了轻量级的异物识别；提出一种监控报警设备，用于监控和报警铁轨异物入侵；本发明提高了在各种环境下铁轨异物识别的效率和准确度，能够有效降低异物入侵铁轨造成列车事故的可能性。

公开(公告)号：CN114926456B

公开(公告)日：2025-02-25

申请号：CN202210669222.7

申请日：2022-06-14

Applicant: 华南农业大学

Inventor： 王国华 ,  谢函 ,  古卓恒 ,  连佩仪 ,  凌海涛 ,  陈嘉豪

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/26 ,  G06V10/28 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种半自动标注和改进深度学习的铁轨异物检测方法，包括：基于热红外人体分割结果，半自动标注数据集；针对铁轨户外全天候环境，对ResNet 50神经网络进行改进完成对不同环境场景的识别；根据场景识别的结果，对YOLOv5神经网络进行改进，识别铁轨异物；对图片进行铁轨轮廓提取，结合异物位置，设计了针对铁轨异物入侵的报警策略，进行分等级的报警判断。通过引入深度学习的场景分类结合改进的目标识别网络，本发明提高了不同环境场景下的铁轨异物识别的效果，提升了对异物入侵铁轨报警的精准度，结合科学的报警策略，降低了异物入侵铁轨造成列车事故的可能性。

公开(公告)号：CN114926456A

公开(公告)日：2022-08-19

申请号：CN202210669222.7

申请日：2022-06-14

Applicant: 华南农业大学

Inventor： 王国华 ,  谢函 ,  古卓恒 ,  连佩仪 ,  凌海涛 ,  陈嘉豪

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/26 ,  G06V10/28 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种半自动标注和改进深度学习的铁轨异物检测方法，包括：基于热红外人体分割结果，半自动标注数据集；针对铁轨户外全天候环境，对ResNet 50神经网络进行改进完成对不同环境场景的识别；根据场景识别的结果，对YOLOv5神经网络进行改进，识别铁轨异物；对图片进行铁轨轮廓提取，结合异物位置，设计了针对铁轨异物入侵的报警策略，进行分等级的报警判断。通过引入深度学习的场景分类结合改进的目标识别网络，本发明提高了不同环境场景下的铁轨异物识别的效果，提升了对异物入侵铁轨报警的精准度，结合科学的报警策略，降低了异物入侵铁轨造成列车事故的可能性。