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
52
3
頁次 191
出版年份 112
出版月份 9
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。
檔案下載 以深度學習進行全方位軌道缺失構件檢測.pdf