25554

تشخيص و شناسايي موانع در گذرگاه همسطح ريل و جاده با استفاده از تكنيك هاي پردازش تصوير

كارشناسي ارشد

مهندسي راه آهن- كنترل علائم

1400

1400/06/24

دكتر ميرآبادي

مهندسي راه آهن

تقاطع همسطح ريل و جاده از نقاط مهم و سانحه¬خيز راه¬آهن است. به همين دليل ارتقاء ايمني در اين نقاط از اهميت ويژه¬اي برخوردار است. با توجه به اينكه تبديل همه گذرگاه¬هاي همسطح به غير¬هم¬سطح نيازمند صرف وقت و هزينه بسيار است، بهتر است از تجهيزات مكانيزه¬اي تحت عنوان سيستم راهبند هوشمند براي كنترل ايمن اين تقاطع ها استفاده شود تا خطرات ناشي از خطاي انساني از سيستم حذف گردد. در چنين سيستمي، وجود يك ابزار تشخيص دهنده موانع مورد نياز است. در اين پروژه از "تكنيك¬هاي پردازش تصوير" به عنوان ابزار هوشمند بهره گرفته شده است. بدين منظور در محيط برنامه نويسي پايتون و با استفاده از ابزار¬هايي از جمله كتابخانه Open cv و الگوريتم تشخيص حركت KNN، موانع به خوبي آشكار گرديدند به گونه¬ايي كه ويژگي¬هاي مانع اعم از جنس، اندازه و رنگ آن¬ها سبب اختلال در عملكرد سيستم نمي¬شود. در ادامه تلاش براي حذف خطا¬ها در شرايط نوري(شب و روز) و شرايط جوي مختلف ( برف و باران) انجام پذيرفت و برنامه با قابليت تشخيص موانع در شرايط مختلف، توسعه داده شد. محدوده گذرگاه به عنوان ناحيه خطر تعريف گرديد، اين امر موجب شد كه الگوريتم نسبت به حركات ذاتي پس¬زمينه مثل حركت راهبند¬ها و حركت شاخ و برگ درختان مقاوم شود. همچنين با پردازش قسمتي از تصوير، حجم داده¬ها كاهش و سرعت تشخيص افزايش يافت. در قسمت دوم برنامه با استفاده از ورژن چهارم شبكه¬ عصبي عميق YOLO ، نوع مانع (انسان، حيوان، وسيله نقليه و...) مشخص شد كه اين امر منجر به تقسيم موانع به دو گروه موانع خطرناك و موانع بي¬خطر مي¬شود و همچنين موجب مي-شود اطلاعات خام به راهبر قطار و يا اتاق كنترل ارسال نگردد. در ادامه با تعريف و مقدار¬دهي حدود آستانه مختلف، وضعيت¬هاي مختلف گذرگاه تعريف شد. در پايان عملكرد برنامه در دو بخش مورد بررسي قرار گرفت و الگوريتمي با متوسط معيار F1، 93 درصد ارائه شد .

1400/09/06

Obstacles detection in railway levelcrossings using image processing techniques

9/15/2022 12:00:00 AM

The railway level crossing is one of the most important and high-risk points of the railway. So it is very important to improving safety in these areas. Because of converting all level crossings to non-level crossings requires a lot of time and money, it is better to use mechanized equipment called intelligent barrier system to safely control these intersections to eliminate the risks of human error from the system. To be. In such a system, the existence of an obstacle detection tool is required. In this project, "image processing techniques" have been used as an intelligent tool. For this purpose, in Python programming environment and by implementing image processing techniques, the obstacles were well revealed so that the obstacles characteristics such as their material, size and color do not cause system malfunction. Then, an attempt was made to eliminate errors in light conditions (night and day) and different weather conditions (snow, rain, fog, etc.) and a program was developed with the ability to detect obstacles in different conditions. In order to increase the processing speed, the danger zone was defined, so that only the data in this area are processed and other non-useful data such as the movement of barriers and foliage of trees are not considered. Therefore, the volume of data decreases and the detection speed increases. In the second part of the program, by using neural networks, the type of obstacle (human, animal, vehicle, etc.) is specified. This leads to the division of obstacles into two groups of dangerous obstacles and safe obstacles.

گذرگاه همسطح ريل و جاده , پردازش تصوير , يادگيري عميق , تشخيص مانع