28824

طراحي و راه‌اندازي سيستم شناسايي قطار بر اساس كدهاي UIC با استفاده از بينايي ماشين

كارشناسي ارشد

مهندسي ماشين‌هاي ريلي

1400

1402/06/26

دكتر مجيد شهروي

راه‌آهن

شناسايي قطارها و تشخيص كدهاي UIC روي آن‌ها، از جمله كاربردهاي مهم بينايي ماشين در صنعت ريلي است. اين كدها بر اساس يك استاندارد بين‌المللي هستند و اطلاعات مهمي را در مورد عمليات‌ها و شناسايي واگن‌ها منتقل مي‌كنند. در اين پايان‌نامه، صفر تا صد پياده‌سازي يك سيستم بينايي ماشين شرح‌ داده شده است و در نهايت يك روش جديد مبتني بر الگوريتم‌هاي يادگيري عميق و بينايي كامپيوتر براي شناسايي كدهاي UIC ارائه شده است. اين روش بر مشكلات و ضعف‌هاي موجود در روش‌هاي سنتي، از جمله عدم دقت كافي، حساسيت به شرايط محيطي، هزينه بالا نصب و نگهداري غلبه مي‌كند. روش پيشنهادي در دو مرحله انجام مي‌شود. در مرحله اول، مكان كدهاي UIC در تصاوير واگن‌ها با استفاده از الگوريتم EAST شناسايي مي‌شود. در مرحله دوم، اعداد كدهاي UIC با استفاده از تكنولوژي OCR تشخيص داده مي‌شوند. روش پيشنهادي در آزمايش‌هاي انجام شده، دقت بالايي را نشان داده است. اين روش بدون نياز به ساده‌سازي‌ روش‌هاي گذشته در حوزه بينايي ماشين، بر مشكلات و ضعف‌هاي موجود مانند نويز، تاري و شرايط نوري نامناسب غلبه مي‌كند. اين روش از پتانسيل بالايي براي بهبود و ارتقا برخوردار است و مي‌تواند در كنار ساير كاربردهاي بينايي ماشين در صنعت ريلي به راحتي، مورد استفاده قرار گيرد.

1402/07/16

Design and Implementation of a Train Identification System based on UIC Codes Using Machine Vision

9/16/2024 12:00:00 AM

The identification of trains and recognition of UIC codes on them are among the vital applications of machine vision in the rail industry. These codes adhere to an international standard and provide crucial information about operations and wagon identification. In this study, we have fully implemented a machine vision system and, ultimately, proposed a novel method based on deep learning algorithms and computer vision for UIC code recognition. This method addresses the limitations and weaknesses of traditional approaches, such as insufficient accuracy, sensitivity to environmental conditions, and high installation and maintenance costs. Our proposed method is conducted in two stages. In the first stage, the location of UIC codes on wagon images is identified using the EAST algorithm. In the second stage, the UIC code numbers are recognized using OCR technology. The experimental results demonstrate the high accuracy of our proposed method. It successfully overcomes challenges and drawbacks of previous machine vision methods, including noise, blurriness, and unfavorable lighting conditions, without the need for oversimplification. Our method holds great potential for improvement and enhancement and can easily be employed alongside other machine vision applications in the rail industry.

بينايي ماشين , شناسايي قطار , تشخيص كد UIC , EAST , OCR

Machine Vision , Train Identification , UIC Code Recognition , Efficient and Accurate Scene Text Detector (EAST) , Optical Character Recognition

Peyman Safaeian

Dr. Majid Shahravi