基于图像的轨道异物检测与识别方法研究.pdfVIP

摘要

随着高铁技术的发展，铁路里程快速增长并且列车的运行速度大规模提升，而随之

带来的是安全问题，轨道上的异物会损坏列车，同时也会对行车安全造成威胁。因此，

轨道系统中的异物检测和识别尤为重要。异物检测中存在背景模糊和干扰问题，微小异

物检测效果差问题，检测速度慢问题；异物识别中存在异物占比小问题，语义代沟问题，

和少样本带来的过拟合问题。本文针对以上问题进行了深入研究，主要研究内容从以下

三个方面展开。

1.基于多尺度图像复原的轨道异物检测与定位方法。为了解决异物与背景边界模糊

和背景干扰带来的异物检测和定位精度低的问题，本文提出了一个基于多尺度图像复原

思想的轨道异物检测和定位方法RADL-MSI。针对异物图像的遮挡尺度单一的问题，通

过多尺度的异物遮挡方式适应不同尺寸大小的异物，确保对所有异物都可以实现理想的

遮挡效果，进而限制模型的泛化性，达到预期的重构效果。针对异物与背景边界模糊和

杂乱背景对异物检测干扰的问题，通过结合视觉Transformer和U-Net的骨干网络增大

模型的感受野，更多关注异物和背景的边缘特征，以便更好的区分异物和背景干扰。通

过改进衡量图像间差异的损失函数，提出一种融合多尺度梯度相似性度量函数和结构性

指数损失函数，在颜色相近形状不同的情况下更多关注异物的结构特征，限制背景干扰

区域对检测和定位的影响。实验证明，本文提出的基于多尺度图像复原的轨道异物检测

与定位方法可以解决异物与背景边界模糊和杂乱背景问题。

2.基于多元高斯分布的轨道异物检测和定位方法。为了解决微小异物检测和定位效

果差的问题，同时摆脱模型泛化性和检测精度不稳定的因素，从降低时间和空间复杂度

的角度出发，本文提出了一种基于多元高斯分布的轨道异物检测和定位方法RADL-

MGD。针对微小异物检测和定位效果差的问题，通过多层级特征融合选取最佳的特征表

示，保证语义上下文、尺度上下文和空间上下文信息全面和丰富性，同时还避免轨道异

物检测任务受到预训练模型参数的影响。针对图像检测速度慢的问题，通过将Efficient-

Net作为骨干网络，减少参数量，提升检测速度；通过使用多元高斯分布替换特征池，

以此降低图像测试时的时间复杂度；通过特征降维，去除冗余特征降低空间复杂度。实

验证明，本文提出的基于多元高斯分布的轨道异物检测和定位方法可以在缩短检测时间

的前提下，有效解决了微小异物检测和定位效果差的问题。

3.基于注意力机制的少样本轨道异物识别方法。为了解决异物占图像背景比例小和

语义代沟问题，以及少样本和类别不均衡导致的过拟合现象，本文提出了基于注意力机

制的少样本轨道异物识别方法FRARA。针对异物大小占图像背景比例小导致的识别精

度低的问题，通过添加结合空间和通道的无参数三维权值注意力模块，在维持原有模型

参数量的同时提升了对异物区域关注度，进而提升轨道异物识别精度。针对不同大小异

物在识别过程中存在语义代购的问题，通过多尺度的特征金字塔结构，融合不同尺度的

图像特征，以适应不同大小的异物识别。针对由类别不均衡和样本分类难度不同而引起

的过拟合现象，通过用于图像识别的FocalLoss损失函数，对易区分样本和难区分样本

采用不同的适应参数，以限制模型的过拟合现象。实验证明，本文提出的基于注意力机

制的少样本轨道异物识别方法可以有效解决图像背景比例小和语义代沟问题，并限制少

样本和类别不均衡导致的过拟合现象，提升异物识别准确率。

关键词：异物检测、图像复原、多元高斯分布、异物识别、注意力机制、少样本学习

ABSTRACT

Withthedevelopmentofhigh-speedrailtechnology,therailwaymileagegrowsrapidly

andtherunningspeedoftrainsisgreatlyimproved,whichbringswithitsafetyproblems.

Foreignbodiesonthetrackwilldamagethetrainsandposeathreattotherunningsafety.

Therefore,foreignbodydetectionandidentificationi