本项目面向铁路调车作业场景，服务于列车编组、解编过程中的信号灯识别与状态监测需求，尤其适用于大型编组站和铁路枢纽中多轨交叉复杂场景下的辅助感知系统。通过引入计算机视觉技术，项目旨在提升调车自动化与智能化水平。项目整体由数据采集与标注模块、图像增强模块、YOLOv11模型训练与评估模块、视频输入预测模块构成。系统支持对调车信号灯在不同光照条件（昼夜）下的类别细分与状态识别，用户可直接输入视频或图片序列，实现对红灯、白昼白灯、夜间白灯、白昼蓝灯、夜间蓝灯等五类信号灯的高效检测与识别，同时输出对应置信度结果，辅助后续控制决策。本项目采用YOLOv11大型检测模型，在多类增强图像数据集上进行训练，兼顾高精度与高帧率性能。整体系统基于Python实现，利用Ultralytics YOLO平台进行模型构建与推理，并结合OpenCV进行图像处理与可视化。系统支持高分辨率视频处理，实际推理帧率超过43FPS，远高于原始视频帧率，满足实时性要求，具有良好的扩展性与部署潜力。