无人机视角的双维多特征融合货运轨道分割算法OA

当前货运轨道区域巡检面临效率低下、人力成本高昂及智能化感知能力不足等问题,传统轨道分割方法难以同时满足复杂工况下的实时性与准确性要求。针对这一现状,结合低空无人机平台高机动性与广视角的技术优势,提出一种兼具准确性与实时性的双维多特征融合货运轨道区域分割算法,以提升轨道区域感知能力,快速获取列车行驶区域,为异物入侵智能分析技术提供准确的入侵界限。算法以DeepLabV3plus为基础,融合3项改进:采用MobileNetV2主干以降低模型复杂度,引入CBAM注意力机制强化关键特征提取,改进ASPP模块结合SP条形池化与ECA注意力机制以提升语义表征能力。为确保实验数据集具备高度的实际场景适配性,同时规避数据采集对列车正常运营的干扰,构建的数据集均源自车辆修理站段及铁路院校,通过低空无人机现场采集。实验结果显示,模型在实际工况数据集上较原始DeeplabV3plus算法平均交并比(mIoU)提升10%,达97.448%;平均像素准确率(mPA)提升7%,达95.743%;损失函数值(Loss)降低55.4%,低至0.00978;同时推理时间缩短43%,模型体积缩减80%。该研究成果有效解决了传统算法在精度与效率间的平衡难题,综合性能优于当前主流分割网络。为货运轨道区域的智能化感知提供了切实可行的技术方案,为后续研究轨道区域异物侵限检测技术提供了准确依据,对推动铁路巡检智能化进程具有重要指导意义。