基于LeNet-5的编组站站内机车车号识别系统的研究

李瑞辰; 姚宇峰; 蒋元华

基于LeNet-5的编组站站内机车车号识别系统的研究

1. 中国铁道科学研究院研究生部, 北京 100081;
2. 中国铁道科学研究院集团有限公司通信信号研究所, 北京 100081

基金项目:

中国铁路总公司科技研究开发计划(2017X009-K)

中国铁道科学研究院集团有限公司科研开发基金(2017YJ070)

详细信息

作者简介:
李瑞辰,在读硕士研究生;姚宇峰,副研究员。

中图分类号: U284.6;TP39
计量
- 文章访问数: 41
- HTML全文浏览量: 2
- PDF下载量: 12
出版历程
- 收稿日期: 2018-08-28

Locomotive number identification system in marshalling station based on LeNet-5

1. Postgraduate Department, China Academy of Railway Sciences, Beijing 100081, China;
2. Signal&Communication Research Institute, China Academy of Railway Sciences Corporation Limited, Beijing 100081, China

摘要

摘要: 编组站内机车车号的识别问题一直制约着本务机车综合管控技术的发展。为了解决这一问题,针对机车车次,机车类型自动识别问题进行研究。改进了基于卷积神经网络LeNet-5的识别算法,并收集了大量机车车次图像素材,通过图像预处理后,使用训练集进行模型训练,形成适用于机车车次识别的网络模型,通过使用python语言与.NET平台实现了机车车次识别系统的设计。实验表明,该方法对机车车号的识别达到了较高的识别水平。目前,车号识别系统已在中国铁路武汉局集团有限公司襄阳北站试验,高清图像素材从车站高清货检系统处获取,识别效果良好,为实现智慧型编组站提供了有力的技术支撑。
- 机车车号识别 /
- LeNet-5 /
- 图像预处理 /
- 模型训练 /
- 卷积
Abstract: The problem of the identification for the locomotive number and types in the marshalling station always restricted the development of the integrated control technology of the locomotive.In order to solve this problem, this article studied the automatic identification of locomotive types and locomotive number, proposed an improved identification algorithm based on convolutional neural network LeNet-5, collected a lot of image materials of locomotive number. After image preprocessing, the training set was used to train the model, and a network model suitable for locomotive number identification was formed. The design of locomotive number identification system was implemented by using Python language and. NET platform. Experiments show that the method has reached a high recognition level for locomotive number identification. At present, the locomotive number identification system has been tested in Xiangyang North Station of Wuhan Railway Administration. The high-definition image materials are obtained from the high-definition cargo inspection system of the station, and the recognition effect is good, which provides strong technical support for the implementation of intelligent marshalling station.
- locomotivenumber identification /
- LeNet-5 /
- image preprocessing /
- model training /
- convolution

HTML全文

参考文献(10)

[1]	曹桂均. 编组站综合自动化系统控制技术及其扩展应用的研究[D]. 北京:中国铁道科学研究院, 2013.
[2]	王震. 车号自动识别系统常见故障及处理[J]. 铁道技术监督, 2011(2):25-28.
[3]	杨大治. 基于图像处理的铁路货车车号识别及其应用研究[D]. 成都:西南交通大学, 2010.
[4]	陈春雷,王阳萍,祝咏升,等. 基于视频列车车号识别系统的研究[J]. 兰州交通大学学报, 2007, 26(6):55-61.
[5]	宋丽芳,罗兵. 基于Lenet-5的空间结构光编码符号识别研究[J]. 五邑大学学报(自然科学版), 2017(2):40-45.
[6]	李丹,沈夏炯,张海香,等. 基于Lenet-5的卷积神经网络改进算法[J]. 计算机时代, 2016(8):4-12.
[7]	王强. 基于CNN的字符识别方法研究[D]. 天津:天津师范大学, 2014.
[8]	邵泽宽,王俊岭. 局口车号自动识别系统识别率的改进方案[J]. 铁路计算机应用, 2011, 20(7):30-31.
[9]	董春雨. 基于视频图像的多车牌识别技术研究[D]. 西安:长安大学, 2015.
[10]	唐曼. 车号识别模拟系统的设计与实现[J]. 铁路计算机应用, 2014, 23(1):55-60.

施引文献(8)

期刊类型引用(5)

1.	冯自立，康其传，张涛，章伟睿，叶健安，张云飞，罗文，徐灿华. 基于卷积神经网络的骨折超声图像识别初步研究. 空军军医大学学报. 2022(04): 348-352 . 百度学术
2.	朱俊霖，段钰，滕凯，邢宗义，宫伟. 基于图像处理的城轨列车车号识别系统. 铁路计算机应用. 2022(09): 20-24 . 本站查看
3.	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别. 计算机工程与应用. 2021(09): 207-211 . 百度学术
4.	陶星珍，李康顺，刘玥. 基于深度学习模型LeNet-5-L的车牌识别算法. 计算机测量与控制. 2021(06): 181-187 . 百度学术
5.	张雪琼，陈婷婷，蒋丽峰，杨亚蕾. 柔性神经树竹片缺陷检测的新算法. 福建电脑. 2020(08): 33-35 . 百度学术