:::
季刊資訊
| 篇名 | 以深度學習進行全方位軌道缺失構件檢測 |
|---|---|
| 作者 | 謝禎冏、謝幼屏、賴瑞應、黃維信、謝尚琳、徐倜雲、杜宇豪、賈漢文 |
| 摘要 | 軌道扣件負責固定鋼軌於枕木上，避免軌道鬆脫變形。傳統鐵路軌道扣件巡檢方式係採人工，以目視方式進行巡檢。近年來，人工智慧深度學習蓬勃發展，在許多領域獲得突破性進展，因此本研究以人工智慧 (Artificial Intelligence，AI) 方式進行鐵路軌道缺失構件檢測，得以降低人工巡檢的負擔及時間，並將此技術實地測試與應用推廣。首先蒐集國內外鐵路軌道構件檢測案例並分析其設備及方法，接著建立軌道構件樣本的擷取設備，包含影像記錄及照明，再依收集之上視、側視軌道構件樣本，分為上視10種缺失類別、側視4種缺失類別與2種正常類別。採用YOLOv4-Tiny模型進行深度學習訓練。在實驗中錄製超過70公里軌道構件影像，分別以上視缺失構件與側視構件資料集進行訓練，所得上視缺失與側視缺失檢出率分別為91%與94%，平均精確率各別為91.7%與99.2%，顯示辨識指標良好，執行效能也可達150張/秒。期間比較YOLOv4-Tiny 模型與人工徒步巡檢，成本與效能均較佳。 |
| 卷 | 52 |
| 期 | 3 |
| 頁次 | 191 |
| 出版年份 | 112 |
| 出版月份 | 9 |
檔案下載
- 以深度學習進行全方位軌道缺失構件檢測.pdf下載次數：111
瀏覽人次:344