使用深度学习模型集成来构建智能铁路交通安全监控系统
Chin-Chieh Chang1, Kai-Hsiang Huang2, Tsz-Kin Lau1
1National Kaohsiung University of Science and Technology, Kaohsiung City, 807618, Taiwan.
Scientific reports
|February 5, 2025
概括
这项研究开发了一个智能铁路安全系统,使用人工智能进行入侵检测和大小预测. 该系统通过向运营商提供实时警报来提高铁路交通安全,有助于预防事故.
科学领域:
- * 铁路工程 铁路工程
- * 人工智能 * 人工智能
- * 计算机视觉 计算机视觉
背景情况:
- *铁路安全至关重要,频繁发生事故需要先进的监控系统.
- *现有的系统往往缺乏有效干预所需的实时检测和预测能力.
研究的目的:
- * 开发一个集成的智能铁路交通安全系统.
- *利用对象检测,细分和机器学习来加强监控.
- * 实施通知系统,立即发出操作员警报.
主要方法:
- * 用的面具R-CNN用于精确的铁路边界细分 (IOU > 0.9).
- *采用YOLO v3用于强大的入侵检测,包括在各种条件 (夜晚,雨) 中检测人类 (OA 95.68%).
- * 应用XGBoost用于准确预测入侵对象的大小 (MAE 0.54厘米,R2 0.997).
- * 集成LINE机器人可实时通知运营商.
主要成果:
- * 在铁路细分和入侵检测方面实现了高精度.
- * 在各种环境条件下有效检测人类入侵.
- *成功地以高精度预测检测到的物体的大小.
- *启用包含关键入侵细节 (时间,位置,对象类,大小,图像) 的及时警报.
结论:
- *开发的智能铁路交通安全系统显著提高了监控能力.
- *实时检测和通知可以主动防止铁路事故.
- * 集成先进的人工智能模型为改善铁路安全提供了可扩展的解决方案.
