赵俊清，边 原，刘 寅，王冬明

（中铁电气化局集团有限公司 设计研究院，北京 100166）

BIM（Building Information Modeling）技术应用于工程设计、建造和管理，可以为工程技术人员对各种建筑信息作出正确理解和高效应对，进而可以提高生产效率、节约成本和缩短工程建设工期。

虽然BIM 技术具有上述优点，但是BIM 运维管理具有工作量大、步骤繁多等特点，图像识别技术可以从海量图片或视频中快速提取出学习过的物体或人物，因而将该技术应用在BIM 运维管理中。图像识别技术在计算机视觉领域如今十分普遍，有很多识别图像的算法，如SLAM，YOLO[1]等。目前，铁路系统的运维管理较为传统，单个系统间独立运行，信息不能得到及时的更新和维护，在BIM 运维管理的信息化系统中引入图像识别技术，可以很好地实现设备模型的状态更新管理。

1 YOLO 算法

YOLO（You Only Look Once）是单阶经典检测器，能够实时快速地对目标进行检测，并且能够达到比较高的准确率。YOLO 的提出者把检测目标的任务变成对目标区域预测及对类别预测的回归问题，该方法利用单个神经网络直接预测物品边界和类别概率，从而实现端到端的物品检测。此方法的检测速度很快，基础版的速度可以达到实时45 帧/s，Fast YOLO（轻量级YOLO 版本，使用9 个卷积层，并且卷积层中使用更少的卷积核）可以达到155 帧/s。YOLO 分 为YOLO V1、YOLO V2 和YOLO V3[2]算法，此外鞠默然等人[3]根据YOLO V3 算法的改进，检测小目标物体。李星辰等人[4]提出了融合YOLO V3 的多目标检测和跟踪算法。

1.1 YOLO V1

YOLO V1 产生于2015 年，采用一阶结构完成物体的检测，包括物体的类别和位置。……