[1]王 彬,楼向东,汤 辉,等.矿区铁路无人值守道口安全防护预警系统设计[J].工业仪表与自动化装置,2025,(06):40-46.[doi:10.19950/j.cnki.CN61-1121/TH.2025.06.008]
　WANG Bin,LOU Xiangdong,TANG Hui,et al.Design of safety protection and early warning system for unmanned railway crossings in mining areas[J].Industrial Instrumentation & Automation,2025,(06):40-46.[doi:10.19950/j.cnki.CN61-1121/TH.2025.06.008]
点击复制

矿区铁路无人值守道口安全防护预警系统设计()

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2025年06期
页码:
40-46
栏目:
出版日期:
2025-12-15

文章信息/Info

Title:
Design of safety protection and early warning system for unmanned railway crossings in mining areas
文章编号:
1000-0682（2025）06-0040-07
作者:
王 彬1; 楼向东1; 汤 辉1; 陈凤魁2; 高德欣2
1.兖矿物流科技有限公司，山东 济宁273500; 2.青岛科技大学自动化与电子工程学院，山东 青岛266061
Author(s):
WANG Bin1;  LOU Xiangdong1;  TANG Hui1;  CHEN Fengkui2;  GAODexin2*
(1. Yankuang Logistics Technology Co., LTD., ShandongJining, 273500 China;2.College of Automation and Electronic engineer, Qingdao University of Science & Technology, Shandong Qingdao 266061, China)
关键词:
开放式铁路; 无人道口; YOLO; 目标检测
Keywords:
open railway; unmanned crossing; YOLO; object detection
分类号:
TD611
DOI:
10.19950/j.cnki.CN61-1121/TH.2025.06.008
文献标志码:
A
摘要:
由于矿区铁路中无人值守道口周界环境复杂，人车抢行现象非常普遍，引起的安全隐患一直是企业痛点问题。该文针对此情况，设计了一种基于机器视觉的矿区开放式铁路无人值守道口安全防护预警系统，主要包括：目标检测与识别模块、安全监测与声光报警模块和风光互补供电模块三大部分。系统通过无人道口的高清摄像机，实时采集铁路道口周界异物图像；设计先进的YOLO算法，进行道口周界入侵目标检测与识别；在列车经过前，通过无线网络发送给火车司机，并启动道口报警装置；通知过往车辆及行人将有列车通过，尽快撤离道口。系统经现场验证，能够及时准确的检测出无人道口周界入侵情况，整体检出率达到98%，正确识别率为76.9%，实现了无人值守道口的虚拟有人监护，提高了矿区铁路的智能化水平。
Abstract:
Due to the complex perimeter environment of unattended railway crossings in mining areas and the prevalent phenomenon of pedestrians and vehicles rushing through, safety hazards have been a long-standing issue for enterprises. In response to this situation, this paper designs a machine vision-based safety protection and early warning system for unattended railway crossings in mining areas. The system consists of three main components

参考文献/References:

[1]郭寒英,石红国,张鹏,等.基于动态模糊理论的铁路专用线安全评价[J].铁道运输与经济,2017,39(02):40-45

[2]阚建平,卢斌,王照勇.铁路道口列车接近安全预警系统[J].铁道通信信号,2016,52(08):55-56+59.
[3]盛雪清,李绍斌,耿豪.一种基于三维目标检测的轨道侵限障碍物检测算法研究[J/OL].铁道科学与工程学报,1-13[2025-08-02].
[4]赵鸿亮.基于图像与雷达数据融合的轨道交通障碍物检测技术研究[D]. 兰州：兰州交通大学,2024.
[5]马晓君,王栋,刘德胜,等.基于改进YOLOv5的降雪天气高速列车障碍物检测[J].计算机仿真,2025,42(01):155-161+451.
[6]王海军,何艳,周豪,等.基于YOLOv5网络模型对铁路轨道障碍物检测与识别[J].中国储运,2022(09):86-87.
[7]刘力,苟军年.基于YOLO v4的铁道侵限障碍物检测方法研究[J].铁道科学与工程学报,2022,19(02):528-536.
[8]刘小镔.基于双目视觉的列车前向障碍物检测软件设计及实现[D].大连：大连理工大学,2023.
[9]焦双健,刘东,王超.基于改进SSD的铁路障碍物检测研究[J].现代电子技术,2023,46(02):57-64.
[10]邹智恒.基于目标识别与跟踪的列车车载障碍物检测算法研究[D].南宁：广西大学,2022.
[11]王栋.冰雪天气下列车障碍物识别及制动系统优化研究[D].佳木斯大学,2024.
[12]管晓勇.基于深度学习的列车障碍物检测与识别技术研究[D].北京：北京交通大学,2020.
[13]Khanam R, Hussain M. Yolov11: An overview of the key architectural enhancements[J]. arXiv preprint arXiv:2410.17725, 2024.
[14]Everingham M, Van Gool L, Williams C K I, et al. The pascal visual object classes (voc) challenge[J]. International journal of computer vision, 2010, 88(2): 303-338.
[15]ZHANG K, WU Q, CHEN Y. Detecting soybean leaf disease from synthetic image using multi-feature fusion faster R-CNN[J]. Computers and Electronics in Agriculture, 2021, 183: 106064.
[16]ZHANG J, WANG X, NI G, et al. Fast and accurate automated recognition of the dominant cells from fecal images based on Faster R-CNN[J]. Scientific reports, 2021, 11(1):10361.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2025-08-05基金项目：山东能源集团科技项目(YK2023B47 -R45)第一作者：王彬(1978 — )，男，山东济宁人，本科，工程师，现从 事铁路智能化与信息化建设工作。
更新日期/Last Update: 1900-01-01