基于YOLOv5的铁路远距离异物识别报警装置

为减少异物造成的影响及损失,设计一种基于卷积神经网络的铁路异物识别与报警装置,放置在列车前段。将YOLOv5深度学习算法部署至嵌入式设备中,并搭配显示模块、语音报警模块、视频传输模块、定位模块,构建铁路异物数据集并训练权重文件。研究结果表明,在常见异物数据集中mAP0.5值为0.638。针对路外人员仅进行背景优化和结合离线增广,AP0.5值由0.851升至0.937,并取得了良好的鲁棒性。