[發明專利]一種基于結構推理網絡的高鐵接觸網多種零部件定位方法

有效

• 申請號: 201910839945.5
• 申請日: 2019-09-06
• 公開（公告）號: CN110533725B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 劉志剛;劉凱
• 申請（專利權）人: 西南交通大學
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06T7/00
• 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結構推理網絡的高鐵接觸網多種零部件定位方法，首先獲取高鐵接觸網零部件圖像數據集，根據高鐵接觸網零部件相對位置關系的固定結構，分析出設計結構推理網絡進行檢測的可行性；再根據分析結論，結合分類神經網絡和定位神經網絡，設計結構推理網絡；最后將高鐵接觸網零部件圖像數據集輸入推理網絡中進行分類訓練，輸入新圖片得到其定位信息。本發明針對多種接觸網零部件，提高了多種接觸網零部件的定位準確率，縮短了檢測時間，降低了故障檢測的難度。

技術領域

本發明涉及圖像識別技術領域，具體為一種基于結構推理網絡的高鐵接觸網多種零部件定位方法。

背景技術

接觸網支持及懸掛裝置擔負著支撐接觸網的重要任務，其裝置狀態的好壞影響著整個懸掛系統的穩定性，從而影響接觸線的性能；故障時可能導致接觸線與受電弓不能良好接觸，影響受流質量；其中承力索底座工作環境惡劣、頻繁劇烈震動、沿路人煙稀少、維護難度大、是支撐懸掛系統薄弱的環節之一；目前，接觸網支撐懸掛裝置的狀態檢測以人工檢測為主，效率低；目前基于圖像處理的接觸網支撐及懸掛裝置檢測已有部分研究，傳統圖像處理方面多為單一零部件定位，例如：張桂南提出使用Harris角點檢測與譜聚類實現了絕緣子的抗旋轉匹配；韓燁提出利用待分析接觸網支撐懸掛裝置圖像和標準旋轉雙耳圖像之間的局部特征點匹配，實現旋轉雙耳的定位與提取；深度學習方面雖可實現多目標定位且效果提升但扔有缺點；例如鐘俊平分別使用了三種深度學習模型對高鐵接觸網12類零部件進行了同時定位；但是實驗結果表明不同零部件之間的巨多種嚴重影響了檢測結果。通過分析以上文獻，高鐵接觸網例如具有固定結構、其他零部件相對位置關系較為固定的特點未被利用，因此本發明增加了對高鐵接觸網固定結構特點的使用，提高檢測效果。

發明內容

針對上述問題，本發明的目的在于提供一種針對多種接觸網零部件，定位準確率高、檢測時間短的基于結構推理網絡的高鐵接觸網多種零部件定位方法。技術方案如下：

一種基于結構推理網絡的高鐵接觸網多種零部件定位方法，包括以下步驟：

步驟1：獲取高鐵接觸網零部件圖像數據集，根據高鐵接觸網零部件相對位置關系的固定結構，分析出設計結構推理網絡進行檢測的可行性；

步驟2：根據步驟1的分析結論，設計結構推理網絡：

S1：縮放輸入高鐵接觸網零部件圖像及標注信息至統一大小；

S2：將輸入圖像傳入特征提取網絡中，通過對圖像進行多層卷積計算進行特征提取；

S3：將特征提取網絡輸出的最后一張特征圖輸入到區域建議網絡中，生成可能存在零部件的建議區域；

S4：提取所述最后一張特征圖的所有建議區域中心點，生成節點信息；

S5：將圖節點信息輸入感興趣區域池化層，再傳入全連接層生成節點特征向量；

S6：將S2中特征提取網絡輸出的最后一張特征圖輸入感興趣區域池化層再到全連接層，生成一維向量即場景特征向量；

S7：將S4中生成的節點信息提取邊界信息生成邊界特征向量；

S8：將節點特征向量、場景特征向量和邊界特征向量分別輸入到門控循環單元模塊中；

S9：最后將S8的輸出通過Softmax分類器和Smooth L1回歸器得到零部件類別和坐標；

步驟3：將步驟1得到的高鐵接觸網零部件圖像數據集輸入推理網絡中進行分類訓練，輸入新圖片得到其定位信息。

進一步的，所述步驟S4中生成節點信息的過程如下：

S41：遍歷所述最后一張特征圖所有建議區域，每個建議區域為已知左上角坐標(x₁,y₁)和右下角坐標(x₂,y₂)的矩形框；