基于卷积神经网络的调车机车前方车列图像识别算法

为实现无线调车机车信号监控系统对调车车列前方停留车的全部自动识别,提出1种基于卷积神经网络的调车机车前方车列图像识别算法。首先,基于视觉几何群网络(Visual Geometry Group Network, VGGNet)架构和目标分类网络GoogLeNet里的Inception层建立调车机车前方车列图像识别模型;其次,利用高清相机采集调车机车前方图像,对有效图像进行预处理并存入数据库,根据数据库已有的新图像数量判断是否需要更新模型,将图像输入模型,判断前方进路是否有停留车列;最后,通过红外线测距仪测出调车机车车列到前方车列的距离,在显示屏显示距离,并据此判断是否报警。研究结果表明:模型验证精度为98.5%,训练精度为99.9%;每张图的平均测试时间为0.4 ms,相较于主流分类网络VGGNet-16和GoogLeNet分别减小了43%和38%,同时测试精度达到98%。图像识别的准确率与实时性均满足工程实际应用。