原创力文档摘要
摘要
随着我国山区铁路通车里程的持续增长，催生了大量边坡工程，同时也伴随着大量
的铁路边坡病害，严重威胁铁路线路的运营安全。传统以人工巡检为主的方式存在安全
风险高、作业效率低和研判识别率低等问题。现有基于深度学习的检测方法还普遍存在
模型特征提取能力不足、泛化能力不够等问题，且在多类别病害检测和分割任务中存在
检测精度不足、边缘模糊、细节丢失等现象。因此，如何实现高效的、精确的铁路边坡
典型病害检测成为亟待解决的问题。
摘要
摘要
随着我国山区铁路通车里程的持续增长，催生了大量边坡工程，同时也伴随着大量
的铁路边坡病害，严重威胁铁路线路的运营安全。传统以人工巡检为主的方式存在安全
风险高、作业效率低和研判识别率低等问题。现有基于深度学习的检测方法还普遍存在
模型特征提取能力不足、泛化能力不够等问题，且在多类别病害检测和分割任务中存在
检测精度不足、边缘模糊、细节丢失等现象。因此，如何实现高效的、精确的铁路边坡
典型病害检测成为亟待解决的问题。
文档评论（0）