عنوان

تشخیص اتوماتیک موانع در مسیر قطار با استفاده از مفاهیم یادگیری عمیق مبتنی بر CNN-LSTM

Number

پ۲۹۸۱۴

.Language of Text, Soundtrack etc

per

Title Proper

تشخیص اتوماتیک موانع در مسیر قطار با استفاده از مفاهیم یادگیری عمیق مبتنی بر CNN-LSTM

First Statement of Responsibility

سیدحسن یکاني نژاد

Name of Publisher, Distributor, etc.

برق و کامپیوتر(پردیس)

Date of Publication, Distribution, etc.

۱۴۰۲

Specific Material Designation and Extent of Item

۵۶ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

رشته ي مهندسی کامپیوتر گرایش رایانش امن

Date of degree

۱۴۰۲/۰۸/۰۳

Text of Note

خطوط راه¬آهن براي ایمنی، به سیستم هاي کنترل و علا ئم پیشرفته مانند ماشین سوزن، حفاظت اتوماتیک مجهز می شوند تا از بروز تصادم و سرعت غیر مجاز جلوگیري شود. با این حال عبور موانعی از قبیل : افراد، وسایل نقلیه،حیوانات، و غیره از خطوط راه¬آهن نیز وجود دارند که توسط سیستم هاي کنترلی قابل تشخیص نیستندکه عدم تشخیص چنین موانعی در مسیر حرکت قطار می¬تواند باعث بروز حوادث جبران ناپذیري شود. براي تشخیص این موانع راه¬هاي زیادي وجود دارد. به عنوان مثال، فاصله سنج لیزري می¬تواند موانع موجود در مسیر قطار را تشخیص دهد. ولی عیب این روش کم بودن دقت آن در موانع موجود در پیچ ریل و ارتفاع کم موانع می ¬باشد. در مسیرهایی که قطار از داخل جنگل عبور می¬کند تشخیص حیوانات می¬تواند کمک به¬سزایی در حفظ حیات وحش داشته باشد یا در مسیرهایی که ریل از کنار کوه عبور می¬کند، تشخیص ریزش سنگ می¬تواند جلوي تلفات انسانی را بگیرد .دراین پایان نامه با استفاده از دیتاست RailSem19 موانع موجود با بكارگیري هوش مصنوعی تشخیص داده شده است. روش کار به این صورت است که ابتدا تشخیص مانع بوسیله¬ی شبکه¬ی عصبی CNN سپس با استفاده از شبکه¬ی عصبی LSTM به صورت جداگانه انجام گرفته و نتایج شبیه سازی این دو روش بحث شده است. در آخر با استفاده از شبکه¬ی عصبی CNN-LSTM تشخیص مانع انجام گرفته شده که روش کارمان در CNN-LSTM به این صورت است که تشخیص مانع توسط شبکه¬های عصبی CNN و LSTM انجام گرفته سپس خروجی حاصل از آموزش این دو شبکه به شبکه¬ی عصبی پیشخور داده شده که این شبکه پیشخور وجود مانع را پیش بینی کرده است.

Text of Note

For safety, railway lines are equipped with advanced control systems and signs such as needle machines and automatic protection to prevent collisions and illegal speeds. However, there are obstacles such as: people, vehicles, animals, etc. passing through the railway lines that cannot be detected by the control systems, and failure to recognize such obstacles in the train's path can cause irreparable accidents. There are many ways to detect these obstacles. For example, a laser distance meter can detect obstacles on the train track. But the disadvantage of this method is its low accuracy in the obstacles in the rail turn and the low height of the obstacles. In the routes where the train passes through the forest, the detection of animals can be of great help in preserving wildlife, but in the routes where the train passes through the mountain, the detection of rock falls can prevent human casualties. In this thesis, using the dataset RailSem19 existing obstacles are detected by using artificial intelligence. The working method is that first the obstacle detection is done by CNN neural network, then by using LSTM neural network, and the simulation results of these two methods are discussed in Finally, obstacle detection is done using the CNN-LSTM neural network, and our work method in CNN-LSTM is that first the obstacle detection is done by the CNN neural network, then by using LSTM, data based on time series and in The result determined the relationship between the frames of the video images and the output of the training of these two networks is given to the feedforward neural network so that this feedforward network predicts the presence of an obstacle.

Variant Title

Automated Detection of Railroad Trespassing using Deep Learning Concepts Based on CNN-LSTM

Entry Element

‏یکاني نژاد،

Part of Name Other than Entry Element

سیدحسن

Relator Code

تهیه کننده

Entry Element

‏اسدپور،

Entry Element

زلفی،

Part of Name Other than Entry Element

محمد

Part of Name Other than Entry Element

مینا

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏تبریز