融合混合注意力和改进YoloX的铁路落石检测方法

来源：电子测量技术杂志2022年第20期北京时间：

作者：胡昊，史天运，关则彬

单位：1. 中国铁道科学研究院，研究生部，北京 100081; 2. 中国铁道科学研究院集团有限公司，北京 100081; 3. 中国铁道科学研究院集团有限公司，电子计算技术研究所，北京 100081

摘要：铁路周边危岩落石侵入铁路限界内会严重危害旅客生命财产与铁路行车安全。针对传统检测方法对复杂动态环境识别误检高、小目标识别准确率较低等问题，提出一种基于视频的铁路落石侵限检测深度学习方法。首先，融合混合注意力模块，增强网络对与背景相似落石检测能力。其次，改进YoloX部分网络结构为双向特征金字塔网络，加强了不同层级特征的相互交流，提升小目标识别能力。同时采集大量不同场景模拟落石数据，构建模拟落石数据集，并在训练中使用Mosaic数据增强方法，增强方法的泛化能力。实验结果表明，本文方法随着改进模块的添加，识别精度不断提高。对比多种主流目标检测方法，取得了最高识别准确度，不同大小目标识别稳定，证明了本文算法在实际铁路场景的应用价值。

关键词：铁路运输;落石检测;注意力模块;双向特征金字塔网络

基金资助：中国国家铁路集团有限公司科技研究开发计划课题(K2020G022)