基于AI的站台门间隙异物识别与报警

孙 明明1, 王 伟祥2
1、杭铁运营管理（德清）有限公司
2、杭州地铁运营有限公司

摘要


站台门间隙异物滞留易诱发列车延误、设备故障乃至安全意外，传统人工巡检与传感器监测手段常面临响应迟缓、误报频发的问题，难以满足高效监测需求，将AI技术引入站台门间隙异物识别与报警体系可针对性改善这一现状，构建深度学习驱动的图像识别模型能对站台门间隙区域实时采集的视频信息开展特征提炼与异物甄别，搭配边缘计算技术可同步强化异物检测的即时性与精准度，经过实际场景验证该体系可有效弥补传统监测方式的缺陷，为城市轨道交通运营安全筑牢技术保障基础。

关键词


AI技术；站台门间隙；异物识别；报警系统；深度学习

全文:

PDF


参考


[1]张冲.城市轨道交通站台门系统技术特点与发展趋势[J].时代汽车，2025，（18）：175-177.

[2]姜驰.地铁站台门异物自动检测技术分析[J].人民公交，2025，（06）：145-147.

[3]李福川，魏倩楠，陈轩.基于多传感器融合技术的地铁站台门间隙异常检测系统[J].自动化应用，2025，66（04）：214-216.

[4]李帅，王志飞，方晟浩，等.基于贝叶斯神经网络模型的站台门故障识别技术研究[J].铁路计算机应用，2025，34（01）：22-26.

[5]石锦，莫非.站台门控制系统技改技术路线及优化[J].城市建设理论研究（电子版），2024，（19）：173-175.




DOI: http://dx.doi.org/10.12361/2661-3506-08-02-154860

Refbacks

  • 当前没有refback。