[發(fā)明專利]一種基于深度學(xué)習(xí)的高鐵接觸網(wǎng)防風(fēng)拉線故障檢測方法

在審

• 申請?zhí)枺?/td>: 201811065374.6
• 申請日: 2018-09-13
• 公開（公告）號(hào): CN109409404A
• 公開（公告）日: 2019-03-01
• 發(fā)明（設(shè)計(jì)）人: 韓志偉;李長江
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06T3/00
• 代理公司: 成都信博專利代理有限責(zé)任公司 51200
• 代理人: 劉凱

1.一種基于深度學(xué)習(xí)的高鐵接觸網(wǎng)防風(fēng)拉線故障檢測方法，其特征在于，包括以下步驟：

步驟A：對(duì)高速鐵路接觸網(wǎng)支撐及懸掛裝置進(jìn)行圖像采集；

步驟B：對(duì)采集的圖像進(jìn)行篩選，建立關(guān)于高鐵接觸網(wǎng)防風(fēng)拉線樣本庫，樣本庫里包括防風(fēng)拉線的位置坐標(biāo)及類別；

步驟C：搭建基于Faster-RCNN算法的深度卷積神經(jīng)網(wǎng)絡(luò)，訓(xùn)練網(wǎng)絡(luò)防風(fēng)拉線定位檢測的模型，實(shí)現(xiàn)防風(fēng)拉線的識(shí)別與定位，從高鐵接觸網(wǎng)全局圖像中截取防風(fēng)拉線零部件；

步驟D：在提取的防風(fēng)拉線零部件中，標(biāo)注防風(fēng)拉線故障類型：缺失、斷裂、松脫；

步驟E：通過仿射變換進(jìn)行圖像配準(zhǔn)，以消除或減小目標(biāo)的位置關(guān)系及噪聲引起的畸變，通過圖像形態(tài)學(xué)運(yùn)算和防風(fēng)拉線曲率判斷實(shí)現(xiàn)高鐵接觸網(wǎng)防風(fēng)拉線的故障檢測。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的高鐵接觸網(wǎng)防風(fēng)拉線故障檢測方法，其特征在于，所述實(shí)現(xiàn)防風(fēng)拉線的識(shí)別與定位的具體步驟包括：

Step 1：將采集到的接觸網(wǎng)支撐懸掛裝置圖像輸入所述深度卷積神經(jīng)網(wǎng)絡(luò)中，采用5個(gè)可共享的卷積層提取特征；

Step 2：在conv1的圖片周圍補(bǔ)充像素，所得的卷積圖像大小為：

s＝(a-b+pad)/c+1

其中，s為卷積得到圖像大小，a為卷積層中輸入圖片尺寸，b為卷積濾波器大小，pad為填充的像素，c為步長；

Step3：對(duì)卷積得到的結(jié)果進(jìn)行下采樣以降低網(wǎng)絡(luò)參數(shù)選擇復(fù)雜度；

Step 4：對(duì)conv2、conv3、conv4和conv5做Step 2和Step3的操作，前一層的輸出作為下一層的輸入；

Step 5：最后取conv5的輸出的特征向量輸入到區(qū)域建議網(wǎng)絡(luò)搭建候選區(qū)域網(wǎng)絡(luò)，第五個(gè)共享的卷積層輸出的卷積特征映射上滑動(dòng)小網(wǎng)絡(luò)，每個(gè)滑動(dòng)窗口有三種尺度和長寬比，產(chǎn)生9個(gè)anchor，映射到一個(gè)低維向量上；

Step 6：采用候選區(qū)域網(wǎng)絡(luò)的輸出層作為ROI生成網(wǎng)絡(luò)的輸入，將輸入的候選區(qū)域特征圖統(tǒng)一下采樣的特征圖再傳入全連接層；

Step 7：CNN分類識(shí)別：將得到的ROI輸入CNN分類網(wǎng)絡(luò)，經(jīng)過兩個(gè)全連接層，即分類層和回歸層，分別用于分類和邊框回歸；通過丟棄部分網(wǎng)絡(luò)參數(shù)的方法消除過擬合，輸出目標(biāo)包圍框的坐標(biāo)和大小和目標(biāo)類別。