基于YOLOv5網絡模型對鐵路軌道障礙物檢測與識別

文/王海軍 何艷 周豪 岳進

鐵路運輸是我國重要的公共運輸方式，保證鐵路軌道處于正常狀態是至關重要的。因此基于自建數據集，通過YOLOv5網絡模型實現對鐵路軌道的識別，實驗表明，YOLOv5對鐵路軌道檢測召回率達到94.4%，精確率達到62.7%，mAP達到93.1%。具有較好的檢測精度，同時也具有魯棒性。

1.引言

隨著我國經濟發展，鐵路已成為不可或缺的交通運輸方式，保證鐵路在運行過程中的安全問題已經成為目前關注的重點[1，2]。我國鐵路具有里程數長，所處環境復雜等特點。采用傳統的人工巡檢方式無法有效及時發現鐵路軌道中出現的故障信息，容易出現漏檢的現象。且人工巡檢依賴巡檢人員的經驗，耗費時間長，物資消耗大，已經無法適用于當前鐵路的發展需要[3]。目前采用智能化算法對鐵路的目標檢測成為當下的研究熱點。文獻[4]采用圖像處理技術對軌道板裂縫進行檢測，首先對圖像預處理，對圖像二值化和裂縫合并等操作實現對裂縫的定位。文獻[5]針對軌道扣件中拍攝環境和條件的干擾采用深度學習算法YOLO網絡對軌道圖像定位，基本上達到檢測實時性的要求。文獻[5]針對鋼軌的檢測魯棒性和精度較差的問題，采用Hu不變矩陣實現對軌道跟蹤，具有較好的魯棒性。本文采用深度學習算法YOLOv5實現對鐵路軌道的檢測與定位，通過對軌道圖像的標注訓練YOLOv5網絡，最終在測試集上測試軌道檢測定位效果。

2.YOLOv5網絡介紹

YOLOv5是YOLO（YouOnlyLookOnce）系列網絡的延續，是2020年由UltrayticsLLC公司提出的一種高性能目標檢測網絡，其權重文件相比于YOLOv4更小，速度更快[7，8]。……