شناسایی مسیر حرکت قطار برای تشخیص مانع در راه آهن با استفاده از یادگیری عمیق

در این مطالعه، روشی برای تشخیص مانع در راه آهن ارائه شده است. این فرایند به سه مرحله تفکیک پذیر است: در مرحله اول، تمامی اشیاء موجود در تصویر توسط شبکه YOLO شناسایی می شوند. در مرحله دوم، نیاز است که تمامی ریل های موجود در تصویر شناسایی شوند، به همین منظور، شبکه UNet روی مجموعه داده  Railsem۱۹آموزش داده شده است. در ادامه این مرحله، بایستی مسیر حرکت قطار از میان ریل های شناسایی شده جدا شود؛ بنابراین، به طراحی و شبیه سازی نوعی الگوریتم شناسایی مسیر حرکت قطار پرداخته شده که علاوه بر توانایی شناسایی مسیر حرکت قطار در شرایطی که ریل ها کاملا از هم مجزا هستند، در بعضی از شرایط خاص مانند نواحی جلوی سوزن که ریل به دوشاخه تقسیم می شود، نیز توانایی تشخیص مسیر حرکت قطار را دارد. در مرحله سوم، اشتراک بین مسیر حرکت قطار و مکان اشیاء به دست آمده توسط YOLO بررسی می شود. در صورت اشتراک، مانع در مسیر حرکت قطار بوده و در غیر این صورت، مسیر ایمن در نظر گرفته می شود. الگوریتم پیشنهادی تشخیص مانع، پس از شبیه سازی، روی مجموعه داده شامل ۱۶۶۴ تصویر مورد ارزیابی قرار گرفت و  بادقت (Accuracy) حدود ۸۷ درصد، قادر بود موانع را تشخیص دهد. سپس، به بررسی نتایج الگوریتم تشخیص سوزن پیشنهادی پرداخته شده و مشاهده شد که این الگوریتم نیز توانایی شناسایی مسیر حرکت قطار بادقت بالاAccuracy) نزدیک به ۹۹ درصد) را دارد.

کلیدواژه ها:

یادگیری عمیق ، راه آهن ، تشخیص اشیاء ، سوزن ریل ، مسیر حرکت قطار