[發明專利]一種高鐵接觸網支撐裝置零部件識別檢測方法

有效

• 申請號: 201710036589.4
• 申請日: 2017-01-18
• 公開（公告）號: CN106919978B
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 劉志剛;陳雋文;劉文強;鐘俊平;韓志偉
• 申請（專利權）人: 西南交通大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 劉凱

本發明公開一種高鐵接觸網支撐裝置零部件識別檢測方法，建立高鐵接觸網支撐裝置圖像的訓練樣本庫，所述訓練樣本庫包括在圖像中手工框出的作為檢測目標的各零部件的坐標信息，及所屬類別；搭建基于Faster?RCNN算法的深度卷積神經網絡；將上述訓練樣本庫中的訓練樣本輸入搭建好的Faster?RCNN網絡，完成模型的訓練；將待檢測圖像輸入訓練好的模型中，得到高鐵接觸網支撐裝置零部件的識別檢測結果。本發明通過候選區域的深度卷積神經網絡對待檢測目標進行特征學習和目標分類，大大減少人工識別高鐵接觸網支持裝置零部件故障的巨大工作量，實現現場圖像的自動分析，可對多種接觸網懸掛裝置零部件進行識別分類，具有較高的識別準確性。

技術領域

本發明涉及深度學習及電氣化鐵路自動檢測技術領域，具體為一種高鐵接觸網支撐裝置零部件識別檢測方法。

背景技術

弓網系統是電氣化鐵路系統中關鍵的組成部分，承擔將牽引網中的電能輸送給電力機車的重要工作。由于受電弓與接觸網裝置之間存在復雜的力學、電氣交互影響，在電氣化鐵道的各種設備故障中，接觸網故障所占比例大，嚴重影響電氣化鐵路的安全工作。同時接觸網故障分布范圍廣，檢測難度大。傳統的接觸網支撐懸掛裝置檢測依靠人工檢測，這些方式雖然能保證一定準確性，但效率低、工作量大且易受檢修人員的主觀影響。隨著高速鐵路的快速發展和運營質量的逐漸提升，接觸網系統必須滿足動車組“高速度、高密度、高可靠性”的運行要求。先進的檢測技術能提高牽引供電系統維修質量和效率，是實現電氣化鐵路狀態檢測和狀態維修的重要手段，因此有必要研究自動檢測方法。為確保高速鐵路動車組運營秩序，提高其供電安全性、可靠性，滿足高速鐵路快速發展和運營品質的需求，原鐵道部發布了自2012年實施《高速鐵路供電安全檢測監測系統(6C系統)總體技術規范》的通知。根據該規范對接觸網懸掛狀態檢測(4C部分)的要求，接觸網檢測系統應當具有利用高速相機實現高速接觸網的腕臂結構與零部件的定位檢測和接觸網的靜態幾何參數測量的等基本功能。

今年我國有19臺高鐵接觸網4C檢測車投入測試，這標志著我國的4C成像技術已經進入了批量化生產。目前，4C裝置現狀是，對于4C裝置獲取的海量圖像，依賴人工判圖識別故障、缺陷與隱患。這種人工海量判圖識別的方式，不可避免會產生視覺疲勞，容易造成漏判。而且從采集獲得圖像到給出判圖識別結果的判識周期長，影響故障的及時維修處理，在此過程中故障可能進一步發展成事故，甚至帶來重大損失與不利影響。

高鐵接觸網支撐及懸掛結構中涉及46種零部件的檢測，分為ABC三類，其中A類故障最為嚴重。零部件在支撐與懸掛結構中分布較為分散，零部件的大小和結構多不相同。攝像機拍攝時，會有一定的光照和角度的影響。目前某些單一零部件的檢測已經能夠實現，但定位與檢測的效率與正確率仍有較大提升空間。針對多個零部件的同時定位與檢測則存在著一定的難度，尤其是對于緊固件連接件等小尺度零部件。深度學習方法應用遍及人工智能各個領域，若能將深度神經網絡的一些方法引入，應用到接觸網零部件定位中，實現絕緣子、旋轉雙耳、定位器和斜撐套筒等關鍵零部件狀態的多目標分類，這將接觸網支撐及懸掛結構零部件檢測帶入到更前沿的領域，實現更有效和多樣化的檢測。

發明內容

針對上述問題，本發明的目的在于提供一種基于候選區域的深度卷積神經網絡對待檢測目標進行特征學習和目標分類的高鐵接觸網支撐裝置零部件識別檢測方法，可減少人工識別的巨大工作量，實現現場圖像的自動分析。技術方案如下：

一種高鐵接觸網支撐裝置零部件識別檢測方法，包括以下步驟：

步驟A：建立高鐵接觸網支撐裝置圖像的訓練樣本庫，所述訓練樣本庫包括在圖像中標記出的目標原始包圍框中各零部件所在的坐標信息，及其所屬類別；

步驟B：搭建基于Faster-RCNN算法的深度卷積神經網絡；

步驟C：將上述訓練樣本庫中的訓練樣本輸入搭建好的Faster-RCNN網絡，采用多任務損失函數，通過計算目標分類和目標框的損失，完成模型的訓練；