نظارت تصویری بر موانع حمل و نقل ریلی با استفاده از روش های مبتنی بر یادگیری عمیق
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 33
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JTE-16-2_006
Index date: 12 March 2025
نظارت تصویری بر موانع حمل و نقل ریلی با استفاده از روش های مبتنی بر یادگیری عمیق abstract
راه آهن به عنوان یک شریان ارتباطی موثر جایگاه ویژه ای در رشد و توسعه اقتصادی کشورها دارد. از همین رو افزایش دقت، قابلیت اطمینان و بهینه سازی ظرفیت صنعت حمل و نقل ریلی از اهمیت ویژه ای برخردار است. بطوری که امروزه صنعت حمل و نقل ریلی درحال حرکت بسمت خودران سازی است. تشخیص موانع ریلی یک بهبود عملیاتی و ایمنی در راه آهن است که حمل و نقل ریلی را کارآمدتر، دقیق تر و قابل اعتمادتر می سازد. امروزه پیشرفت در فناوری های هوش مصنوعی و حسگرها باعث توسعه روش های تشخیص موانع و خودران سازی شده است. در این مقاله با بهره گیری از روش های مبتنی بر هوش مصنوعی و یادگیری عمیق به طراحی ساختاری پرداخته شده است که تشخیص زمان حقیقی موانع ریلی را با توازنی میان دقت و بار محاسباتی، ممکن می سازد. در روش پیشنهادی ابتدا به منظور قطعه بندی خطوط ریلی سه مدل یادگیری عمیق با بهره گیری از معماری توجه هرمی و رمزگذار های شبکه ی رزنت فشرده سازی و تحریک، شبکه ی کارآمد و شبکه بدون نرمالساز، توسط مجموعه ای از تصاویر رنگی، تحت آموزش و اعتبارسنجی قرار گرفتند. نتایج اعتبارسنجی نشان می دهد که مدل قطعه بندی مبتنی بر شبکه ی بدون نرمالساز با چند دهم درصد اختلاف از دو مدل دیگر دقیق تر است. این در حالی است که بار محاسباتی مدل مبتنی بر شیکه ی کارآمد حدودا و برابر بار محاسباتی مدل های مبتنی بر شبکه های رزنت سوپر پیچشی و بدون نرمالساز است. به منظور تشخیص اشیا نسخه های پنجم و هفتم الگوریتم یولو تحت آموزش و اعتبارسنجی قرار گرفتند. نتایج نشان می دهد که دقت نسخه هفتم یولو در تشخیص موانع تعریف شده درصد از دقت نسخه پنجم این مدل بیشتر است. درنهایت پس از پیاده سازی مدل قطعه بندی ریل مبتنی بر شبکه ی کارآمد و نسخه هفتم الگوریتم یولو در ساختار پیشنهادی عملیات تشخیص موانع با بررسی وجود همپوشانی میان ماسک مسیر حرکت قطار و کادر های محصورکننده ی اشیا انجام شد. در روش پیشنهادی تشخیص حضور موانع در مسیر حرکت قطار به ارسال پیام هشدار می انجامد. ازاین رو می توان از این روش پیشنهادی به عنوان سیستم کمک راهبر قطار استفاده نمود تا از خطای احتمالی راهبر جلوگیری شود.
نظارت تصویری بر موانع حمل و نقل ریلی با استفاده از روش های مبتنی بر یادگیری عمیق Keywords:
نظارت تصویری بر موانع حمل و نقل ریلی با استفاده از روش های مبتنی بر یادگیری عمیق authors
سیمین کولائیان
دانش آموخته کارشناسی ارشد رشته ی کنترل و علائم، دانشکده راه آهن، دانشگاه علم و صنعت ایران، تهران، ایران
محمدعلی صندیدزاده
دانشیار دانشکده راه آهن، دانشگاه علم و صنعت ایران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
