基于改进Faster-RCNN算法的地铁车辆车侧下结构检测识别

地铁车辆车侧下人工巡检存在漏检、劳动强度大、效率低等问题，本文提出一种基于改进Faster-RCNN算法的地铁车辆车侧下结构检测识别方法，分别采用MobileNetV2、ResNet-101+FPN和DarkNet53+FPN三种特征提取网络替换原Faster-RCNN的特征提取网络VGG16，再通过5 000张地铁车辆车侧下结构的图像对更换特征提取网络的Faster-RCNN进行训练以及检测验证.实验结果表明，以DarkNet53+FPN为特征提取网络的Faster-RCNN模型比其余两种模型检测效果好，模型平均精确度AP达到96.7%，均值平均精度mAP达到92.7%，检测速度可达20.5 fps.改进算法成功将巡检由线下改为了线上，地铁车辆车侧下各结构的检测识别都取得很好的效果.