[發明專利]一種基于深度學習的高鐵接觸網防風拉線故障檢測方法

在審

• 申請號: 201811065374.6
• 申請日: 2018-09-13
• 公開（公告）號: CN109409404A
• 公開（公告）日: 2019-03-01
• 發明（設計）人: 韓志偉;李長江
• 申請（專利權）人: 西南交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06T3/00
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 劉凱

本發明公開了一種基于深度學習的高鐵接觸網防風拉線故障檢測方法，包括以下步驟：對高速鐵路接觸網支撐及懸掛裝置進行圖像采集，建立關于高鐵接觸網防風拉線樣本庫；為減少其它因素影響，提高防風拉線故障檢測準確性，在防風拉線定位識別過程中，通過Faster R?CNN對防風拉線進行識別定位；在一級對象定位的基礎上利用圖像配準及圖像形態學運算實現防風拉線不良狀態識別，實現正常與故障防風拉線的分類，通過實驗統計分析，確定了故障判斷閾值，作為防風拉線是否發生松脫故障的判據。本發明減少了人工識別的巨大工作量，實現現場圖像的自動分析，具有較高的識別準確性。

技術領域

本發明涉及高速鐵路接觸網故障檢測技術領域，具體為一種基于深度學習的高鐵接觸網防風拉線故障檢測方法。

背景技術

電氣化鐵路是鐵路快速發展的重要標志之一。在鐵路發展過程中，重載和高速技術的應用加速了鐵路電氣化的發展過程。相比于其他系統，弓網系統長期處于露天環境之下，并且機車存在力學和電氣等對之間的關系對弓網產生影響，導致接觸網和受電弓故障概率相對比其他系統要高，并且不良狀態發生比較頻繁且復雜。當弓網系統發生故障或存在故障隱患是，將會對人身安全和國家財產造成危害。因此，為了保證機車接受電流的穩定性，其狀態監測和故障檢測發揮著重要的作用。在電氣化鐵路的整個運行系統中，接觸網懸掛裝置很容易發生故障。沿鐵路干線架設的接觸網為受電弓提供高壓的電流，使得電力機車具有足夠的動力，接觸網性能的好壞將直接影響電力機車受流質量，進一步影響電力機車運行的速度和安全。

在高鐵接觸網支撐與懸掛裝置中，防風拉線用于正線限位定位器處，本零件將定位器與定位管相連，起防風作用。原鐵道部頒布的4C系統技術規范，包含對接觸網的懸掛部分、腕臂部分的高清晰視頻監測，涉及基于數字圖像處理技術對接觸網支撐及懸掛裝置中零部件的故障檢測。

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。深度學習方法應用遍及人工智能各個領域，對于不同環境復雜背景下的檢測有著良好的效果。由于現場采集的接觸網支撐及懸掛裝置圖像普遍較復雜，采用圖像處理技術對像防風拉線這樣微小部件進行故障檢測存在較大的難度，目前此方面的研究極少見相關報道。

發明內容

針對上述問題，本發明的目的在于提供一種能夠有效減少人工識別的巨大工作量，實現現場圖像的自動分析，具有較高的識別準確性的基于深度學習的高鐵接觸網防風拉線故障檢測方法。技術方案如下：

一種基于深度學習的高鐵接觸網防風拉線故障檢測方法，包括以下步驟：

步驟A：對高速鐵路接觸網支撐及懸掛裝置進行圖像采集；

步驟B：對采集的圖像進行篩選，建立關于高鐵接觸網防風拉線樣本庫，樣本庫里包括防風拉線的位置坐標及類別；

步驟C：搭建基于Faster-RCNN算法的深度卷積神經網絡，訓練網絡防風拉線定位檢測的模型，實現防風拉線的識別與定位，從高鐵接觸網全局圖像中截取防風拉線零部件；

步驟D：在提取的防風拉線零部件中，標注防風拉線故障類型：缺失、斷裂、松脫；

步驟E：通過仿射變換進行圖像配準，以消除或減小目標的位置關系及噪聲引起的畸變，通過圖像形態學運算和防風拉線曲率判斷實現高鐵接觸網防風拉線的故障檢測。

進一步的，所述實現防風拉線的識別與定位的具體步驟包括：

Step 1：將采集到的接觸網支撐懸掛裝置圖像輸入所述深度卷積神經網絡中，采用5個可共享的卷積層提取特征；

Step 2：在conv1的圖片周圍補充像素，所得的卷積圖像大小為：

s＝(a-b+pad)/c+1