基于FPGA 的雙源無軌電車的改進型YOLO-V3 模型*

董宜平，謝 達，鈕 震，彭湖灣，賈尚杰

（1.中國電子科技集團公司第五十八研究所，江蘇無錫 214072；2.無錫中微億芯有限公司，江蘇無錫 214072；3.凱博易控車輛科技（蘇州） 股份有限公司，江蘇蘇州 215200）

1 引言

當前，北京、上海、武漢、廣州、杭州等大城市保有大量的雙源無軌電車，該類電車有著靈活、經(jīng)濟、環(huán)保等特點。雙源無軌電車普遍采用傳統(tǒng)手動搭線方式將集電桿接入高壓電網(wǎng)，這樣的操作方式存在著效率低、容易誤操作以及增加操作員風險等弊端。近年來，研究人員開始采用深度學習網(wǎng)絡對集電盒進行自動識別，從而實現(xiàn)搭載過程完全自動化。該方法可以減少搭載時間、提高搭載精度，做到停下即搭載，減少堵車風險，在保護司機的同時可以減少其誤操作。第三版?zhèn)鹘y(tǒng)黑暗網(wǎng)絡的主干網(wǎng)絡單次檢測（YOLO-V3）是常用的基于深度學習網(wǎng)絡的目標識別模型，但是以YOLO-V3 網(wǎng)絡模型為基礎搭建試驗平臺進行測試時發(fā)現(xiàn)，由于集電盒在白天和夜晚的曝光效果不同，同時存在陰天、霧霾、雨雪等天氣干擾，多變背景、遮擋和陰影等環(huán)境干擾，以及集電盒的大小、高度、拍照角度不一致等原因，導致識別的集電盒出現(xiàn)異常形變，很難進行有效識別。同時，基于YOLO-V3 網(wǎng)絡的搭載模型運算速度有待提高，硬件開銷較大。

本文提出以輕量化移動網(wǎng)絡（MobileNet）為主干網(wǎng)絡的改進型YOLO-V3 網(wǎng)絡模型，取代傳統(tǒng)的以黑暗網(wǎng)絡為主干網(wǎng)絡的模型，以減少訓練時間、提高運算處理速度、降低硬件消耗和提高識別性能。……