基于机器视觉和边云协同的道岔缺口检测方法

来源：计算机测量与控制杂志2025年第6期北京时间：

作者：钱智坤,曹炳尧,吴雅婷

单位：上海大学 通信与信息工程学院

摘要：针对目前道岔缺口检测精确度低、鲁棒性差、难以在边缘计算设备满足性能要求等问题，提出了一种基于机器视觉和边云协同的道岔缺口检测方法；采用YOLOv8算法对缺口和检测柱进行高效目标检测，并通过图像处理技术精确获取边缘信息，以计算缺口的偏移量；实验结果表明，该方法在正常和摄像头抖动情况下均展现出优越的检测性能，平均误差控制在0.1mm以内，满足铁路现场实际工程上的应用；采用边云协同的工作模式显著提升了数据处理效率，优化了资源使用，降低了对单一计算节点的依赖，单次处理平均耗时在59.16ms，相比单独依靠边缘设备平均耗时降低了48.99%。

关键词：道岔缺口检测;深度学习;YOLOv8;边云协同;图像处理;自动化