铁路FOD23:在铁路输电线路上检测异物的一个数据集
Zhichao Chen1,2, Jie Yang3,4, Zhicheng Feng1,2
1Department of Electrical Engineering and Automation, Jiangxi University of Science and Technology, Ganzhou, Jiangxi Province, 341000, China.
Scientific data
|January 16, 2024
概括
这项研究引入了一套用于检测铁路电线上的外来物体的新型数据集,该数据集是使用人工智能合成的. 它评估了主流模型,为改善铁路基础设施监测和维护提供了见解.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 铁路工程 铁路工程是指铁路工程.
背景情况:
- 铁路基础设施的有效监控依赖于人工智能来分析电力线上外来物体的图像数据.
- 有限的公共数据集和数据共享的挑战阻碍了铁路强大的外来物体检测模型的开发.
研究的目的:
- 提出一个新的,综合数据集的铁路输电线路上的异物.
- 在这个特定的铁路环境中评估主流物体检测模型的性能.
主要方法:
- 利用像ChatGPT (聊天生成预训练变压器) 和文本到图像生成等大规模AI模型来合成异物数据.
- 创建一个包含 14,615 个图像和 40,541 个注释对象的数据集,涵盖四个常见的外来对象.
- 使用合成数据集对各种基线对象检测模型的实证评估.
主要成果:
- 该研究验证了几种基线模型在铁路输电线路上检测异物时的性能.
- 合成的数据集为培训和测试该领域的AI模型提供了宝贵的资源.
- 性能指标为铁路基础设施监控当前模型的有效性提供了洞察力.
结论:
- 开发的数据集和模型评估为铁路基础设施安全领域做出了重大贡献.
- 这些发现为提高使用人工智能的铁路设施监测和维护提供了实际见解.
- 这项研究解决了数据稀缺问题,为更可靠的AI驱动的铁路检查系统铺平了道路.
