基于物联网与计算机视觉的智能铁路障碍检测系统
计算机视觉与模式识别
2026-05-12 v1 密码学与安全
机器学习
摘要
铁路轨道入侵构成印度铁路的关键安全挑战，涵盖野生动物入侵与恶意障碍。2025 年 12 月阿萨姆次列车碰撞事件中有 7 头大象死亡，凸显了有效实时检测的紧迫性。现有方案如光纤-based Gajraj 系统成本高昂（$1000/km）且误报率大，仅部署于 101 条象走廊的 20 条。本文提出 NETRA，一种基于树莓派 Zero W 与树莓派 4 边缘平台的高性价比、无互联网依赖的入侵检测系统。NETRA 采用概率感应融合，将 PIR 运动传感器与 HC-SR04 超声波距离传感器结合，可调阈值（tau_c=0.65），实现事件驱动相机激活，将不必要的视觉处理降低 52%。 Upon 确认入侵后，边缘 AI 分类（树莓派 Zero 采用 MobileNet-SSD，树莓派 4 采用 YOLOv5 ONNX）识别包括人类、大型动物及轨道障碍在内的威胁。经确认的威胁通过 LoRa（868 MHz）传输至车厢驾驶员，端到端延迟仅 2.4 秒。实验在 113 事件中实现 95% 检测准确率，无误报，通过概率融合实现，而二进制方法仅为 85%。树莓派 4 配合 YOLOv5 实现 83.5% 大象 F1 分数，为树莓派 Zero 启发式方法（14.8%）的 5.6 倍提升。LoRa 通信在 1-2 km 场地试验中实现 100% 数据包交付。NETRA 将部署成本降低 75%（$247/km vs Gajraj $1000/km），同时提供野生动物与障碍威胁的统一检测。
引用
@article{arxiv.2605.08246,
title = {Smart Railway Obstruction Detection System using IoT and Computer Vision},
author = {Pravin Kumar and Mritunjay Shall Peelam and Ramakant Kumar and Sanjay Kumar and Vinay Chamola},
journal= {arXiv preprint arXiv:2605.08246},
year = {2026}
}