[發明專利]一種基于深度學習的高鐵接觸網絕緣子故障檢測方法在審
| 申請號： | 201910072859.6 | 申請日： | 2019-01-25 |
| 公開（公告）號： | CN109801284A | 公開（公告）日： | 2019-05-24 |
| 發明（設計）人： | 鐘勝;樂銘揚;楊博;顏露新 | 申請（專利權）人： | 華中科技大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00 |
| 代理公司： | 華中科技大學專利中心 42201 | 代理人： | 曹葆青;李智 |
| 地址： | 430074 湖北*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 絕緣子 絕緣子故障 高鐵 接觸網絕緣子 故障絕緣子 故障檢測 位置檢測 傳統的 神經網絡模型 圖像 接觸網檢修 分類模型 故障分類 模型封裝 神經網絡 預警周期 在線檢測 正負樣本 準確度 智能化 檢測 魯棒 調用 檢修 自動化 學習 | ||
1.一種基于深度學習的高鐵接觸網絕緣子故障檢測模型訓練方法，其特征在于，包括以下步驟：
(1)采集接觸網支持與懸掛裝置的圖像；
(2)在采集到的圖像中對絕緣子位置和類別進行標注，得到用于訓練位置檢測模型的第一訓練數據集；
(3)將所述第一訓練數據集輸入搭建好的YOLOv2深度神經網絡模型中進行迭代訓練，迭代訓練完畢后得到用于檢測絕緣子在圖像中所在位置的位置檢測模型；
(4)在采集到的圖像中篩選并裁剪出正常和故障的絕緣子圖像，并對所述絕緣子圖像進行預處理和數據擴充，獲得用于訓練故障檢測模型的第二訓練數據集；
(5)對所述第二訓練數據集中的絕緣子圖像尺寸進行規格化處理后，輸入搭建好的Resnet-50深度神經網絡模型中進行迭代訓練，迭代訓練完畢后得到用于判斷絕緣子故障類別的故障分類模型。
2.根據權利要求1所述的一種基于深度學習的高鐵接觸網絕緣子故障檢測模型訓練方法，其特征在于，所述步驟(2)中所述絕緣子類別包括：絕緣子正常、絕緣子破損、絕緣子臟污和絕緣子釉質脫落。
3.根據權利要求1或2所述的一種基于深度學習的高鐵接觸網絕緣子故障檢測模型訓練方法，其特征在于，所述步驟(4)中所述并對所述絕緣子圖像進行預處理和數據擴充，包括：
對所述絕緣子圖像進行高斯濾波處理，去除成像噪點；
使用灰度變換、伽馬變換、HSV擾動、旋轉或鏡像的方式對經過處理的圖像進行擴充。
4.一種基于深度學習的高鐵接觸網絕緣子故障檢測方法，其特征在于，包括：
將待檢測圖像輸入訓練好的位置檢測模型中，得到絕緣子的位置、大小和置信度信息；
選取置信度大于等于設定值的絕緣子圖像進行裁剪并進行圖像尺寸規格化處理后，輸入訓練好的故障分類模型中，得到絕緣子的故障類別；
在待檢測圖像中以可視化的方式輸出絕緣子的位置和故障類別。
5.根據權利要求4所述的一種基于深度學習的絕緣子故障檢測方法，其特征在于，所述置信度設定值為0.3。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華中科技大學，未經華中科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910072859.6/1.html，轉載請聲明來源鉆瓜專利網。
