基于深度学习的接触网检测车自主定位方法

石天怡; 南新元; 郭翔羽; 陈燕楠; 蔡鑫

doi:10.16163/j.cnki.dslkxb202406040002

东北师大学报（自然科学版） ›› 2026, Vol. 58 ›› Issue (2) : 87 -99. DOI: 10.16163/j.cnki.dslkxb202406040002

基于深度学习的接触网检测车自主定位方法

石天怡, 南新元, 郭翔羽, 陈燕楠, 蔡鑫

作者信息 +

Author information +

文章历史 +

摘要

针对接触网检测车在复杂环境下的自主定位需求，提出一种基于深度学习的接触网检测车自主定位方法.首先，采用改进的YOLOv7模型构建一种轻量化、精度高的支柱杆牌号检测模型PCSN-YOLOv7,通过ELAN-P、ELAN-PS模块实现模型的轻量化；然后，针对错检漏检问题，引入内容感知特征重组模块(CARAFE)和SPPCSP-S模块增强模型的信息表达能力；最后，使用NWD与CIOU结合的损失函数提升模型精度.检测到支柱杆牌号后，结合残差网络、注意力机制和卷积循环神经网络(CRNN)构建支柱杆牌号文本识别模型，提取支柱杆牌号的数字文本信息，从而实现对接触网检测车的定位.实验结果表明，PCSN-YOLOv7模型平均精度均值达到97.8%,较原YOLOv7模型提高了4.2%;改进的CRNN模型准确率达到94.3%,相较于原始CRNN提高了2.3%,满足接触网检测车自主定位要求.