inttransИнтеллектуальный транспортIntelligent transport3033-6007АО «НИИАС»inttrans-13Research ArticleСтатьиИспользование концепции «ошибочного» класса для повышения качества распознавания номеров железнодорожных подвижных единицUsing the concept of an "erroneous" class to improve the quality of recognition of railway rolling stock numbersПузеренкоА. В.PuzerenkoA. V.

инженер 1 категории отделения ИИТЦС

Ростов-на-Дону

engineer of the 1st category of the IITTS department

Rostov-on-Don

a.puzerenko@vniias.ruMаксимовК. Ю.MaximovK. Y.

начальник сектора отделения ИИТЦС

Ростов-на-Дону

Head of the Sector of the IITC Department

Rostov-on-Don

k.maksimov@vniias.ruБоровлевП. В.BorovlevP. V.

ведущий инженер-программист отделения ИИТЦС

Ростов-на-Дону

Senior Software Engineer at the IITC Department

Rostov-on-Don

p.borovlev@vniias.ruСухановА. В.SukhanovA. V.

к.т.н., доцент, заместитель начальника отделения ИИТЦС

Ростов-на-Дону

Candidate of Technical Sciences, Associate Professor, Deputy Head of the IITC Depart-ment

Rostov-on-Don

a.suhanov@vniias.ruАО «НИИАС»РоссияJSC NIIASRussian Federation20251109202601(33)3036Copyright © Пузеренко А.В., Mаксимов К.Ю., Боровлев П.В., Суханов А.В., 20262026Пузеренко А.В., Mаксимов К.Ю., Боровлев П.В., Суханов А.В.Puzerenko A.V., Maximov K.Y., Borovlev P.V., Sukhanov A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.intelligent-transport.ru/jour/article/view/13

В работе представлено описание концепции «ошибочного» класса в задаче распознавания номеров железнодорожных подвижных единиц – вагонов и локомотивов. Показаны проблемы существующих алгоритмов распознавания на примере системы контроля и подготовки информации о перемещениях вагонов и локомотивов на станции в реальном времени (СКПИ ПВЛ РВ). Выявлена основная проблема распознавания вагонов и локомотивов, связанная с множественными надписями и визуальными дефектами, не относящимися к инвентарным номерам подвижного состава. Представлено решении данной проблемы путем применения модели Yolov8s.

The paper describes the concept of an «erroneous» class in the task of recognizing the numbers of railway moving units – wagons and locomotives. The problems of existing recognition algorithms are shown using the example of a system for monitoring and preparing information about the movements of wagons and locomotives at a station in real time (SKPI PVL RV). The main problem of recognizing wagons and locomotives has been identified, related to multiple inscriptions and visual defects not related to the inventory numbers of rolling stock. A solution to this problem is presented by applying the Yolov8s model.

распознавание объектовошибочный классложноположительные срабатыванияYOLOжелезнодорожные вагонылокомотивыинвентарные номерамашинное обучениекомпьютерное зрениеobject recognitionerroneous classfalse positivesYOLOrailway wagonslocomotivesinventory numbersmachine learningcomputer visionReferencesSukanya C. M., Gokul R., Paul V. A survey on object recognition methods // International Journal of Science, Engineering and Computer Technology. – 2016. – T. 6. – №. 1. – С. 48.Sukanya C. M., Gokul R., Paul V. A survey on object recognition methods // International Journal of Science, Engineering and Computer Technology. – 2016. – T. 6. – №. 1. – С. 48.Суханов A. B. и др. Метод оптической идентификации железнодорожных подвижных единиц на основе интегральных устойчивых признаков/ A.B. Суханов // Инженерный вестник Дона. – 2013. – T. 27. – №. 4 (27). – С. 118.Суханов A. B. и др. Метод оптической идентификации железнодорожных подвижных единиц на основе интегральных устойчивых признаков/ A.B. Суханов // Инженерный вестник Дона. – 2013. – T. 27. – №. 4 (27). – С. 118.Bеснин E., Царев B., Михайлов A. Распознавание номеров вагонов: принципы решения и приложение в промышленности / E. Bеснин [и др.] // Control Engineering. – 2014. – №. 1. – С. 60-66.Bеснин E., Царев B., Михайлов A. Распознавание номеров вагонов: принципы решения и приложение в промышленности / E. Bеснин [и др.] // Control Engineering. – 2014. – №. 1. – С. 60-66.Хатламаджиян A. E. Метод блочного оптического распознавания инвентарных номеров вагонов на основе комитета нейроиммунных моделей / A.E. Хатламаджиян // Tруды Международной научно-практической конференции" Tранспорт-2014". – 2014. – С. 124-126.Хатламаджиян A. E. Метод блочного оптического распознавания инвентарных номеров вагонов на основе комитета нейроиммунных моделей / A.E. Хатламаджиян // Tруды Международной научно-практической конференции" Tранспорт-2014". – 2014. – С. 124-126.Хатламадхиян A. E., Лебедев A. И. Интегрированный пост автоматизированного приëма и диагностики подвижного состава на сортировочных станциях/ A.E. Хатламаджиян, A.И. Лебедев // Bагоны и вагонное хозяйство. – 2019. – №. 2. – С. 9-13.Хатламадхиян A. E., Лебедев A. И. Интегрированный пост автоматизированного приëма и диагностики подвижного состава на сортировочных станциях/ A.E. Хатламаджиян, A.И. Лебедев // Bагоны и вагонное хозяйство. – 2019. – №. 2. – С. 9-13.Хатламаджиян Aгоп Eрвандович, Ольгейзер Иван Aлександрович, Суханов Aндрей Bалерьевич, Иерусалимов Bладислав Сергеевич Формирование объективных показателей работы сортировочной станции на основе данных «от колеса»/ A.E. Хатламаджиян [и др.] // Aвтоматика на транспорте. – 2024. – №3. URL: https://cyberleninka.ru/article/n/formirovanie-obektivnyh-pokazateley-raboty-sortirovochnoy-stantsii-na-osnove-dannyh-ot-kolesa (дата обращения: 16.02.2025).Хатламаджиян Aгоп Eрвандович, Ольгейзер Иван Aлександрович, Суханов Aндрей Bалерьевич, Иерусалимов Bладислав Сергеевич Формирование объективных показателей работы сортировочной станции на основе данных «от колеса»/ A.E. Хатламаджиян [и др.] // Aвтоматика на транспорте. – 2024. – №3. URL: https://cyberleninka.ru/article/n/formirovanie-obektivnyh-pokazateley-raboty-sortirovochnoy-stantsii-na-osnove-dannyh-ot-kolesa (дата обращения: 16.02.2025).Бочков К. A., Харлап С. Н. Инновационное развитие транспортного и строительного комплексов / К. A. Бочков, С. Н. Харлап // Проблемы оценки показателей функциональной безопасности систем технического зрения. – 2023. – С. 200-203.Бочков К. A., Харлап С. Н. Инновационное развитие транспортного и строительного комплексов / К. A. Бочков, С. Н. Харлап // Проблемы оценки показателей функциональной безопасности систем технического зрения. – 2023. – С. 200-203.Ge, Z.; Liu, S.; Wang, F.; Li, Z.; Sun, J. Yolox: Exceeding yolo series in 2021. arXiv 2021, arXiv:2107.08430.Ge, Z.; Liu, S.; Wang, F.; Li, Z.; Sun, J. Yolox: Exceeding yolo series in 2021. arXiv 2021, arXiv:2107.08430.Meng T. [et al.]. A survey on machine learning for data fusion / T. Meng [et al.] // Information Fusion. 2020. T. 57. P. 115–129.Meng T. [et al.]. A survey on machine learning for data fusion / T. Meng [et al.] // Information Fusion. 2020. T. 57. P. 115–129.Макарова A.A. Aвтоматизированная система оперативного управления перевозками / A.A. Макарова // Экосистема цифровой экономики: проблемы, реалии и перспективы. Орел: ОрелГУЭT, 2018. С.114–118.Макарова A.A. Aвтоматизированная система оперативного управления перевозками / A.A. Макарова // Экосистема цифровой экономики: проблемы, реалии и перспективы. Орел: ОрелГУЭT, 2018. С.114–118.Thatikonda M. [et al.]. Dynamic Confidence Threshold Estimation / M. Thatikonda [et al.] // IEEE NAECON. 2024. DOI: 10.1109/NAECON61878.2024.10670627.Thatikonda M. [et al.]. Dynamic Confidence Threshold Estimation / M. Thatikonda [et al.] // IEEE NAECON. 2024. DOI: 10.1109/NAECON61878.2024.10670627.

The authors declare that there are no conflicts of interest present.