基于通专结合的铁路异物侵限及遗留检测

来源：计算机测量与控制杂志2026年第1期北京时间：

作者：袁花明,薛云龙,许剑,虞浩凡

单位：陕西靖神铁路有限责任公司

摘要：针对铁路异物侵限检测中传统方法泛化能力差以及基于深度学习的检测模型存在漏检率和误检率较高的问题,提出了一种基于通专结合的铁路异物检测方法；通过解耦处理不同光照条件(白天/夜晚)与摄像头模态(可见光/红外)下的检测任务,结合YOLOv7检测模型与BLIP多模态大模型的语义理解能力,构建了双阈值动态判定策略；采用YOLOv8分割模型精准提取铁轨区域以减少背景干扰；训练适用于不同模态和光照条件的YOLOv7检测模型,并引入低光增强与噪声抑制技术优化夜间检测性能；利用BLIP模型对图像进行语义分析,根据其输出动态调整YOLOv7的检测阈值以平衡漏检率与误检率；经实验测试,在自建铁路异物检测数据集上该方法的mAP达到88.9%,相比基线模型提升0.5%,在真实场景的测试集上误检率和漏检率分别低至1.09%和0.22%；该方法具备良好的实时性与鲁棒性,满足复杂环境下的工程应用需求。

关键词：铁轨异物检测;通专结合;YOLOv7;BLIP模型;双阈值策略