深度学习技术在机械工程测试技术教学中的应用(3)

图1分析了不同环境条件下FFDet检测效果的稳健性。从实验结果图2（a-d）可见，由于天气恶劣导致一些室外的图像成像质量很差，然而本文改进的网络依旧保持了很高的铁轨方向检测效果（即图2（b））。特别是，该网络可以很好地检测前方的障碍物，在夜间和雾天环境下可以准确确认前方铁路轨道是否被占用，以确保列车运行安全，如图2（a）和（c）所示。图2（d）表明，FFDet能够检测出穿越铁路的行人和铁路上的障碍物，并具有良好的性能。实验结果表明，FFDet基于稳定的障碍物检测效果，可以满足在多种环境下列车调车作业的辅助驾驶职责。

图2 不同环境模型鲁棒性检测

三 结束语

本文研究将深度学习技术引入机械工程测试技术的教学过程中。借助于深度学习技术，以列车行驶前方轨道交通的目标障碍物检测为实例，结合在科研过程中研究的FFDet算法，从模型原理构建到实际的性能测试以及在真实轨道数据的检测，全方位展示了深度学习的相关成果在实际工程测试中的使用，拓展了学生对新技术的理解，进而培养学生对本课程的学习热情和兴趣。

[1] 基于卷积神经网络的深度学习算法与应用研究[D]. 浙江工商大学, 2014.

[2] Pu Y R, Chen L W, Lee S H. Study of Moving Obstacle Detection at Railway Crossing by Machine Vision[J]. Information Technology Journal, 2014, 13(16).

[3] ??rni R. Reliability of an in-vehicle warning system for railway level crossings - a user-oriented analysis[J]. Iet Intelligent Transport Systems, 2014, 8(1)：9-20.

[4] Silar, Z, Dobrovolny, M. Utilization of Directional Properties of Optical Flow for Railway Crossing Occupancy Monitoring[C]//International Conference on It Convergence and Security. 2013：1-4.

[5] Salmane H, Khoudour L, Ruichek Y. Improving safety of level crossings by detecting hazard situations using video based processing[C]// IEEE International Conference on Intelligent Rail Transportation. IEEE, 2013：179-184.

[6] LI Jian—ping．Discussion on Increasing Establishment Quality of Shunting Operation Scheme[J]．Railway Transport and Economy，2015，37(5)：24-26．

[7] FENG Wen-cheng，MA Bin，LIU Min．Thoughts on Shunting Operation Safety in Station[J]．Railway Freight Transport，2014，32(3)：28-32．

[8] FENG Wen—cheng，SUN Zi-qing，YU Xiang-hui．Thoughts on Safety Management of Railway Shunting Operation[J]．Railway Transport and Economy，20 1 0,32(3)：63-65．

[9] ZHANG Zhuo．Analysis on Railway Shunting Accident and Study on the Countermeasure[J]．Chinese Railways，2009(31：26-30.

[10] Ren S, Girshick R, Girshick R, et al. Faster R-CNN： Towards Real-Time Object Detection with Region Proposal Networks[J].IEEE Transactions on Pattern Analysis & Machine Intelligence

[11] Fu C Y, Liu W, Ranga A, et al. DSSD ： Deconvolutional Single Shot Detector[J]. 2017.

文章来源：《分析测试技术与仪器》 网址: http://www.fxcsjsyyq.cn/qikandaodu/2021/0727/790.html