背景介绍 近70年来,我国交通基础设施极速发展。 根据2018年末国家统计局发布的最新数据,中国高铁总里程已突破3万公里,营业总里程达到14.6万公里,覆盖了大约99%的20万人口以上的城市,居世界首位。 中国高铁极大地方便了全国人民的工作及生活,铁路也因此在我国有 “国民经济大动脉” 之称。而铁路安全,作为关系到国家和人民生命财产的大事,一直受到国家和铁道部的高度重视。 要想将铁路运输中的各种治安事故降到最低,就需要铁路管理中心的巡线员、检修员对铁路路基、路轨、岔道、信号灯、铁路桥梁等基本路况进行全面巡查。 传统的铁路巡检,一般会由专门的巡检队伍 24 小时不间断的在万里轨道上进行巡视。巡检人员常年风吹日晒、跋山涉水,除了工作环境非常艰苦,还存在因巡检人员身体状况不稳定、判定标准不唯一等因素,造成巡查质量无法保证。 近些年,将无人机、机器人等搭载智能视觉识别系统的智能设备投放到自动化巡检的相关技术越来越成熟,逐渐成为铁路管理单位积极推动的首选方案。 智能化铁路缺陷检测系统在搭建落地过程中,面临诸多困难:
基于飞桨自研算法
PP-YOLO的解决方案 目标检测技术作为计算机视觉的主要方向之一,应用非常广泛。除了可以直接进行目标检测,同时也是人脸检测、行人检测、文字检测、关键点检测、实例分割等复杂应用的基础技术。 而说到目标检测算法,就不得不提 YOLO 系列。YOLO 作为单阶段模型的代表之一,相较于更早提出的两阶段目标检测算法,不仅拥有更快的预测速度,对于背景图像(非