典型文献
基于AI语义分割的内燃机车自动驾驶在煤炭装车中的研究
文献摘要：
煤炭定量装车站智能化装车需要机车慢速且恒速运行,目前煤炭装车系统完全依靠人工通过对讲机以喊话的方式来告知机车驾驶员控制车速.随着人工智能技术的发展,在装煤机车控制中,可以实现自动加速.其中,自动驾驶首要任务就是判断前方可行驶区域.受UNet和Segnet网络启发,设计了一种基于AI语义分割技术的铁轨分割模型.首先采集列车视角的铁轨数据,对数据预处理和标注,制作装车站环境下的铁轨数据集.然后构建Encode-Decode结构的神经网络,Encode阶段以卷积残差网络为主干网络,提取并融合不同层级的特征图.Decode阶段结合特征图和最大池化索引通过转置卷积恢复图像细节特征.最后通过两阶段随机梯度下降优化算法训练网络,得到铁轨分割模型.网络模型训练完毕以后,在数据集上进行对比试验,实验结果表明,该方法相对传统图像检测的方法可以有效分割出铁轨区域,模型泛化能力较强.
文献关键词：
煤炭装车;定量装车站;AI语义分割;自动驾驶
中图分类号：
作者姓名：
豆鹏
作者机构：
陕西西煤云商信息科技有限公司,陕西西安 710000
文献出处：
引用格式：
[1]豆鹏-.基于AI语义分割的内燃机车自动驾驶在煤炭装车中的研究)[J].煤炭加工与综合利用,2022(12):60-64
A类：
定量装车站,Encode
B类：
内燃机车,自动驾驶,煤炭装车,化装,慢速,恒速,装车系统,对讲机,喊话,告知,知机,车驾,驾驶员,控制车,车速,首要任务,前方,可行驶区域,UNet,Segnet,语义分割技术,铁轨,分割模型,列车,数据预处理,Decode,残差网络,主干网络,特征图,最大池化,索引,转置卷积,细节特征,两阶段,随机梯度下降,梯度下降优化,算法训练,模型训练,完毕,图像检测,割出,模型泛化,泛化能力
AB值：
0.359149
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
