[發明專利]一種高鐵接觸網絕緣子緊固件的異常檢測方法

在審

• 申請號: 202010549723.2
• 申請日: 2020-06-16
• 公開（公告）號: CN111899216A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 靖穩峰;劉磊
• 申請（專利權）人: 西安交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

1.一種高鐵接觸網絕緣子緊固件的異常檢測方法，其特征在于，包括以下步驟：

S1、采集接觸網圖像數據形成原始圖像樣本集；

S2、將步驟S1構建的接觸網數據集中的圖像統一調整至1280*1280像素，構建接觸網數據集；

S3、利用步驟S2構建的接觸網數據集訓練用于接觸網絕緣子緊固件識別與定位的Faster R-CNN網絡模型，對Faster R-CNN網絡模型應用測試集進行測試，保存模型參數；

S4、構建絕緣子緊固件數據集；

S5、構建圖像距離度量深度網絡，利用步驟S4構建的絕緣子緊固件數據集訓練圖像距離度量網絡模型；

S6、利用步驟S3訓練的絕緣子緊固件識別Faster R-CNN網絡模型識別并定位絕緣子緊固件位置，得到待檢測的絕緣子緊固件圖像；然后利用步驟S5獲得的圖像距離度量深度網絡模型對待檢測的絕緣子緊固件圖像進行異常檢測，判定絕緣子緊固件是否出現異常。

2.根據權利要求1所述的高鐵接觸網絕緣子緊固件的異常檢測方法，其特征在于，步驟S2中，按照7:3的比例將接觸網數據集分成訓練集和測試集。

3.根據權利要求1所述的高鐵接觸網絕緣子緊固件的異常檢測方法，其特征在于，步驟S3中，Faster R-CNN網絡模型使用ResNet50作為基礎特征提取網絡，學習率設置為0.001，使用隨機梯度下降法，設置動量為0.9，權值衰減為0.0001。

4.根據權利要求1所述的高鐵接觸網絕緣子緊固件的異常檢測方法，其特征在于，步驟S4具體為：

S401、將步驟S2標注的絕緣子緊固件圖像按方位分為3類，再將每一類按正常和異常分為兩類，即將絕緣子緊固件圖像共分為6個類，分別存儲在6個文件夾內；

S402、將絕緣子緊固件圖像大小統一調至128*128像素值；

S403、通過加高斯噪聲、銳度變化和對比度變化進行數據增強，得到3008張絕緣子緊固件圖像。

5.根據權利要求1所述的高鐵接觸網絕緣子緊固件的異常檢測方法，其特征在于，步驟S5具體為：

S501、構建包括Inception-ResNet-V1網絡及其輸出向量的L2歸一化、三元組損失函數的圖像距離度量深度網絡；

S502、將步驟S4構建的絕緣子緊固件數據集按7:3分為訓練集和測試集；

S503、用訓練集訓練圖像距離度量深度網絡，邊際數值α＝0.2，特征向量維數n＝128，學習率為0.01，使用Adagrad優化算法隨機初始化網絡參數；

S504、迭代訓練50次后，保存圖像距離度量深度網絡模型參數；

S505、利用測試集對步驟S504訓練完成的圖像距離度量深度網絡模型進行測試。

6.根據權利要求5所述的高鐵接觸網絕緣子緊固件的異常檢測方法，其特征在于，步驟S501中，L2歸一化為對向量X＝x₁,x₂,...,x_n的每個分量除以L2范數得到一個新向量X₂，具體為：

7.根據權利要求5所述的高鐵接觸網絕緣子緊固件的異常檢測方法，其特征在于，步驟S501中，三元組損失對應的目標函數為：

其中，分別表示Anchor，Positive，Negative的特征表示；α為大于零的常數；+表示[]內的值大于等于零時，取[]內表達式的值為損失函數的值，[]內表達式的值小于零時，損失函數的值為零。

8.根據權利要求1所述的高鐵接觸網絕緣子緊固件的異常檢測方法，其特征在于，步驟S6具體為：

S601、利用步驟S3訓練的Faster R-CNN目標檢測網絡模型，在待檢測的接觸網原始圖像中識別并定位絕緣子緊固件，作為待檢測絕緣子緊固件圖像；

S602、從步驟S4構建的數據集中3個正常類圖像集中各隨機選取3張圖像，與待檢測絕緣子緊固件圖像一起構成10張圖像，根據相對距離D判定絕緣子緊固件圖像是否異常。

9.根據權利要求8所述的高鐵接觸網絕緣子緊固件的異常檢測方法，其特征在于，步驟S602中，將10張圖像經過L2特征歸一化，得到各圖像的128維特征向量，利用歐氏距離計算兩兩之間的距離；在9張正常圖像中取與待檢測圖像距離最小的3張圖像，將3張圖像之間的兩兩距離記為P1、P2、P3，將待檢測圖像與3張圖像之間的距離記為N1、N2、N3；計算相對距離D＝(N1+N2+N3)/(P1+P2+P3)，若D大于1.2，則判定待檢測圖像出現異常，否則認為待檢測圖像未出現異常。