针对高速铁路线路上积雪深度的动态判识问题，提出一种基于铁路综合视频图像识别的积雪深度判识方法 .首先，对通过综合视频监控系统获得的雪深图像进行处理，利用U-Net神经网络进行图像分割，建立轨道上的雪深数据集.然后，对雪深数据集进行标注，将雪深图像分为100 mm以下、100 mm～轨面和高于轨面3个类别.在此基础上提出基于DenseNet-201深度卷积神经网络模型的雪深图像识别方法 .最后，对模型进行验证.研究结果表明：对于光线较好的图像，采用DenseNet-201深度卷积神经网络模型的识别准确率达到93.57%.相较于VGG-16、ResNet-50等模型识别结果，虽然DenseNet-201深度卷积神经网络模型计算耗时长于ResNet-50模型，但是，识别准确率较ResNet-50、VGG-16模型分别提高了2.08%和4.24%.研究成果可为高速铁路沿线积雪深度的动态掌握提供技术支撑.

来源平台：北京交通大学学报