Библиографическое описание:Анализ моделей для обработки изображений при реализации системы обнаружения объектов на железнодорожной полосе : научное издание / А. Т. Тисецкий. - Текст : непосредственный // Современные инновации, системы и технологии. - 2021. - № 1. - С. 48-56. - ISSN 2782-2826. - ISSN 2782-2818.
Аннотация:С развитием железнодорожной индустрии, информатизацией общества и автоматизацией многих технологических процессов, появляется возможность создания системы автоматического управления, диагностики и безопасности движения локомотива. Одной из важнейших систем данного комплекса является система обнаружения объектов на железнодорожных путях, разрывов железнодорожного полотна и его поворотов. Подобная система может быть разработана в виде камеры, установленной на локомотиве, и систем обработки информации, находящихся на борту каждого подвижного состава, или глобальной системы осуществляющего удаленную обработку информации с нескольких локомотивов. Независимо от реализации системы существует необходимость создания блока обнаружения объектов на изображениях, приходящих с камер. Реализация данного блока возможна с использованием взаимодействующих между собой полносверточной и сверточных нейронных сетей и обучении на наборе данных, покрывающем различные ситуации, происходящие на железнодорожной полосе.
With the development of the railway industry, informatization of society and the automation of many technological processes, it becomes possible to create an automatic control system, diagnostics and safety of locomotive movement. One of the most important systems of this complex is the system for detecting objects on railway tracks, ruptures of the railway bed and its turns. Such a system can be developed in the form of a camera installed on a locomotive and information processing systems on board each rolling stock, or a global system for remote processing of information from several locomotives. Regardless of the implementation of the system, there is a need to create a block for detecting objects on images coming from cameras. The implementation of this block is possible using interacting full-convolutional and convolutional neural networks and training on a dataset covering various situations occurring on the railway tracks.
