基于Yolov3算法的铁轨弹条检测识别

针对现有技术方案在铁轨弹条检测中存在检测率低或无法满足实时性要求等问题,提出了一种基于Yolov3算法的铁轨弹条检测方案。构建以卷积神经网络为主的网络结构,在每一层卷积层后加入残差块结构,加强了网络的特征学习能力;引入特征金字塔结构,加强网络层特征复用,实现对小目标检测精度的提升。相较于其他深度残差网络,所构建的网络结构检测率为95.10%,平均检测速度大于70 FPS,在检测精度未明显下降的情况下,实现了检测速度的大幅提升。在各种试验环境条件下,算法的鲁棒性良好,因此所提方案可满足实际的工程运用需求,实现对铁轨弹条的全天候检测。