[發(fā)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?zhí)枺?/td>: 201910072859.6
• 申請日: 2019-01-25
• 公開（公告）號: CN109801284A
• 公開（公告）日: 2019-05-24
• 發(fā)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

本發(fā)明公開的一種基于深度學習的高鐵接觸網絕緣子故障檢測方法，采用大量含有正常絕緣子和故障絕緣子的圖像對深度神經網絡模型進行訓練，得到絕緣子位置檢測模型和絕緣子故障分類模型，通過將所述位置檢測模型和故障分類模型封裝成程序可調用的函數來實現絕緣子的在線檢測；本發(fā)明相對傳統(tǒng)的人工看圖方法更加高效，同時相對傳統(tǒng)的提取人工特征進行絕緣子故障檢測的方法更加魯棒與高效；本發(fā)明采用大量正常絕緣子和故障絕緣子圖像作為正負樣本對深度神經網絡進行訓練，提高了絕緣子故障檢測的準確度，同時節(jié)省了檢修成本，縮短了預警周期，提高了高鐵接觸網檢修工程的自動化與智能化水平。

技術領域

本發(fā)明屬于高鐵接觸網故障檢測技術領域，更具體地，涉及一種基于深度學習的高鐵接觸網絕緣子故障檢測方法。

背景技術

中國擁有世界上最大的高速鐵路網，截止至2017年年底，中國高鐵運營里程已占全球的近百分之七十。高速鐵路接觸網，是沿高鐵線上空架設的向電力機車供電的輸電線路。接觸網一旦斷電，將直接影響機車的安全運行，產生嚴重后果。所以，確保接觸網的安全運行是電氣化高鐵中的一項至關重要的工作。

絕緣子作為接觸網中的關鍵部件，是重點檢修的對象。根據中國鐵路總公司頒布的《接觸網懸掛狀態(tài)檢測監(jiān)測裝置(4C)暫行技術條件》可知，絕緣子故障主要有破損，臟污和放電燒傷致釉質脫落三種情況。高鐵接觸網絕緣子通過人工看圖進行故障排查的方式越來越不符合我國高鐵線路里程大幅增長的現狀，并且隨著高鐵線路的逐漸老化，零部件故障率也會逐漸增多，因此需要提出更加智能高效的方式進行高鐵接觸網故障的排查診斷。

現階段針對高鐵接觸網絕緣子故障檢測的智能化方法大多是基于傳統(tǒng)計算機視覺技術，通過人工設定和提取的特征進行檢測和識別，而在實際操作中，采集的圖像由于受到拍攝位置的影響絕緣子在圖像中的幾何形態(tài)千變萬化，且經常出現干擾與遮擋，成像背景復雜，同時不同缺陷類型的絕緣子受環(huán)境影響其外在表現豐富多樣，因此容易出現絕緣子漏檢和誤判，使得絕緣子故障檢測的準確度和效率降低。

發(fā)明內容

針對現有技術的缺陷，本發(fā)明的目的在于提供一種基于深度學習的高鐵接觸網絕緣子故障檢測方法，旨在解決現有技術容易出現絕緣子漏檢和誤判，造成絕緣子故障檢測的準確度和效率降低的問題。

為實現上述目的，本發(fā)明一方面提供了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，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(guī)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。

進一步地，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。

進一步地，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。

本發(fā)明另一方面提供了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：