铁路路基病害智能检测方法

摘要

铁路路基病害不断增加,其中翻浆冒泥病害和路基下沉病害最为常见,严重影响铁路安全运营.车载地质雷达检测方法是铁路路基病害检测的一种常用方法.然而,通过雷达图像对路基病害进行识别仍以人工判别为主,且需要专家丰富的经验.由于路基病害形态复杂、尺度较大,如何对铁路路基病害进行自动识别是一项具有挑战性的任务.针对这些问题,通过探地雷达实地采集数据构建了铁路路基病害数据集,提出了一种铁路路基病害实时智能检测方法(LS-YOLOv3).该方法针对铁路路基病害的特点设计了深度残差网络提取病害特征,并采用多尺度预测网络在4个尺度上进行特征融合,形成铁路路基病害实时检测模型.实验结果表明,与传统的HOG+SVM算法、双阶段的Faster-RCNN算法、Cascade R-CNN算法、单阶段的YOLOv3算法和轻量化的TinyYOLOv2、TinyYOLOv3算法相比,提出的算法获得了最高的均值平均精度(82.67％)并在配有英伟达GeForce RTX 2080Ti GPU的计算平台上实现了实时检测(32.26 frame/s).旨在尝试提供一种铁路路基病害检测领域的实时性新方法.