2023年2月25日第7卷第4期现代信息科技ModernInformationTechnologyFeb.2023Vol.7No.41011012023.022023.02收稿日期：2022-10-15基金项目：中国铁路兰州局集团有限公司科技发展项目（LZJKY2022003-1）基于显著性和YOLOv3的受电弓异物侵限检测王同丽1，郭佑民1，高德阳2，范永勤2，黄文平2（1.兰州交通大学机电技术研究所，甘肃兰州730070；2.中国铁路兰州局集团有限公司，甘肃兰州730070）摘要：异物侵入受电弓对高速铁路运营安全危害极大，文章提出一种基于显著性和YOLOv3的受电弓异物侵限检测方法。首先，用U2-Net网络对采集到的图像进行显著性检测，准确定位受电弓区域；其次，将YOLOv3网络的预测尺度增加到4个，采用K-means++算法重新计算先验框，用深度可分离卷积替换标准卷积的方法改进模型来提高准确度和速度；实验结果表明，改进后的YOLOv3-R模型检测准确度比YOLOv3提高了8.68%，检测速度提高了5.5%，能够快速有效地检测出受电弓上的异物。关键词：异物检测；显著性检测；感兴趣区域；预测尺度；先验框初始化；深度可分离卷积中图分类号：TP391.4；TP18文献标识码：A文章编号：2096-4706（2023）04-0101-05DetectionofPantographForeignBodyIntrusionBasedonSaliencyandYOLOv3WANGTongli1,GUOYoumin1,GAODeyang2,FANYongqin2,HUANGWenping2(1.InstituteofMechanicalandElectricalTechnology,LanzhouJiaotongUniversity,Lanzhou730070,China;2.ChinaRailwayLanzhouGroupCo.,Ltd.,Lanzhou730070,China)Abstract:Foreignbodyintrusionintopantographhasgreatharmtotheoperationsafetyofhigh-speedrailway.ThispaperproposesapantographforeignbodyintrusiondetectionmethodbasedonsaliencyandYOLOv3.First,U2-Netnetworkisusedtodetectthesaliencyofthecollectedimagesandaccuratelylocatethepantographarea.Secondly,thepredictionscaleofYOLOv3networkisincreasedto4,thepriorboxisrecalculatedbyK-means++algorithm,andthestandardconvolutionisreplacedbydepthseparableconvolutiontoimprovethemodeltoimprovetheaccuracyandspeed.Theexperimentalresultsshow,comparedwithYOLOv3,thedetectionaccuracyoftheimprovedYOLOv3-Rmodelisincreasedby8.68%,andthedetectionspeedisincreasedby5.5%,whichcanquicklyandeffectivelydetectforeignbodiesonthepantograph.Keywords:foreignbodydetection;saliencydetection;regionofinterest;predictio...
