摘要：
铁路路基病害不断增加，其中翻浆冒泥病害和路基下沉病害最为常见，严重影响铁路安全运营。车载地质雷达检测方法是铁路路基病害检测的一种常用方法。然而，通过雷达图像对路基病害进行识别仍以人工判别为主，且需要专家丰富的经验。由于路基病害形态复杂、尺度较大，如何对铁路路基病害进行自动识别是一项具有挑战性的任务。针对这些问题，通过探地雷达实地采集数据构建了铁路路基病害数据集，提出了一种铁路路基病害实时智能检测方法（LS-YOLOv3）该方法针对铁路路基病害的特点设计了深度残差网络提取病害特征，并采用多尺度预测网络在4个尺度上进行特征融合，形成铁路路基病害实时检测模型。实验结果表明，与传统的HOG+SVM算法、双阶段的Faster-RCNN、级联R-CNN算法、单阶段的YOLOv3型算法和轻量化的TinyYOLOv2、TinyJOLOv3算法相比，提出的算法获得了最高的均值平均精度（82.67%）并在配有英伟达GeForce RTX 2080Ti通用处理器的计算平台上实现了实时检测（32.26帧/秒）旨在尝试提供一种铁路路基病害检测领域的实时性新方法。
麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J] ●●●●。计算机工程与应用, 2021, 57(9): 272-278.
马哲旭、杨峰、乔旭。铁路路基缺陷智能检测方法[J]。计算机工程与应用，2021，57（9）：272-278。
