[發(fā)明專利]一種高鐵接觸網(wǎng)絕緣子緊固件的異常檢測方法

在審

• 申請?zhí)枺?/td>: 202010549723.2
• 申請日: 2020-06-16
• 公開（公告）號: CN111899216A
• 公開（公告）日: 2020-11-06
• 發(fā)明（設(shè)計(jì)）人: 靖穩(wěn)峰;劉磊
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 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(zé)任公司 61200
• 代理人: 高博

本發(fā)明公開了一種高鐵接觸網(wǎng)絕緣子緊固件的異常檢測方法，通過4C系統(tǒng)采集接觸網(wǎng)圖像，并對部件進(jìn)行標(biāo)注，形成接觸網(wǎng)圖像數(shù)據(jù)集，接著基于此數(shù)據(jù)集訓(xùn)練Faster R?CNN深度網(wǎng)絡(luò)模型，再應(yīng)用本模型識別并定位接觸網(wǎng)圖像中的部件；對識別出的接觸網(wǎng)部件按照方位和是否異常標(biāo)注為6類，形成接觸網(wǎng)部件檢測數(shù)據(jù)集，然后基于此數(shù)據(jù)集訓(xùn)練圖像距離度量深度網(wǎng)絡(luò)模型；最后應(yīng)用圖像距離度量深度網(wǎng)絡(luò)模型提取待檢測接觸網(wǎng)部件的128維特征，構(gòu)造接觸網(wǎng)部件異常檢測判別方法進(jìn)行檢測。本發(fā)明檢測效率高、精度高，為接觸網(wǎng)檢測的智能化提供了一種有效的解決方案。

技術(shù)領(lǐng)域

本發(fā)明屬于電氣化鐵路自動(dòng)檢測技術(shù)領(lǐng)域，具體涉及一種高鐵接觸網(wǎng)絕緣子緊固件的異常檢測方法。

背景技術(shù)

高鐵接觸網(wǎng)系統(tǒng)是電氣化鐵路的關(guān)鍵組成部分，接觸網(wǎng)的工作狀況直接影響到機(jī)車的安全運(yùn)行。接觸網(wǎng)常年工作于露天環(huán)境，風(fēng)吹日曬，并且受到受電弓的不斷作用，容易發(fā)生故障。因此，鐵路部門非常重視對接觸網(wǎng)各關(guān)鍵部件的異常檢測。

現(xiàn)階段，我國各鐵路公司對于接觸網(wǎng)部件的異常檢測主要以現(xiàn)場巡檢和人工瀏覽接觸網(wǎng)圖像的方式進(jìn)行。由于現(xiàn)場巡檢工作效率低下，目前主要采用4C檢測裝置定期采集接觸網(wǎng)高分辨率圖像，通過人工瀏覽的方式對接觸網(wǎng)部件進(jìn)行檢查，發(fā)現(xiàn)接觸網(wǎng)部件缺陷。檢測人員關(guān)注的重點(diǎn)部件包括接觸網(wǎng)絕緣子固定件、雙套管連接件、套管座、定位環(huán)連接件和定位器支座等支持裝置緊固件的松動(dòng)、脫落和變形等異常情況。而人工瀏覽圖像工作量大，眼睛容易疲勞，檢測周期長，且受個(gè)人情緒和責(zé)任心等因素影響。如何利用機(jī)器學(xué)習(xí)與人工智能技術(shù)，實(shí)現(xiàn)對高鐵4C系統(tǒng)獲取的接觸網(wǎng)圖像進(jìn)行智能化檢測，是鐵路部門非常重視的一項(xiàng)技術(shù)問題。

早期的接觸網(wǎng)異常檢測的智能化方法主要是基于傳統(tǒng)計(jì)算機(jī)視覺技術(shù)，通過人工設(shè)計(jì)特征進(jìn)行機(jī)器學(xué)習(xí)建立故障檢測模型，對接觸網(wǎng)關(guān)鍵部件識別與定位，然后判斷其是否發(fā)生異常。但是實(shí)際操作中，由于高鐵4C系統(tǒng)采集到的圖像受拍攝位置、天氣等因素的影響，各部件在圖像中呈現(xiàn)多樣性，這種方法容易出現(xiàn)漏檢和誤判。近年來，隨著深度學(xué)習(xí)技術(shù)的飛速發(fā)展，運(yùn)用深度學(xué)習(xí)技術(shù)進(jìn)行接觸網(wǎng)關(guān)鍵部件異常檢測成為關(guān)注的熱點(diǎn)。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于針對上述現(xiàn)有技術(shù)中的不足，提供一種高鐵接觸網(wǎng)絕緣子緊固件的異常檢測方法，利用Faster R-CNN對接觸網(wǎng)絕緣子緊固件進(jìn)行識別與定位，然后通過度量絕緣子緊固件圖像之間的相對距離，來判斷對應(yīng)絕緣子緊固件是否出現(xiàn)異常。

本發(fā)明采用以下技術(shù)方案：

一種高鐵接觸網(wǎng)絕緣子緊固件的異常檢測方法，包括以下步驟：

S1、采集接觸網(wǎng)圖像數(shù)據(jù)形成原始圖像樣本集；

S2、將步驟S1構(gòu)建的接觸網(wǎng)數(shù)據(jù)集中的圖像統(tǒng)一調(diào)整至1280*1280像素，構(gòu)建接觸網(wǎng)數(shù)據(jù)集；

S3、利用步驟S2構(gòu)建的接觸網(wǎng)數(shù)據(jù)集訓(xùn)練用于接觸網(wǎng)絕緣子緊固件識別與定位的Faster R-CNN網(wǎng)絡(luò)模型，對Faster R-CNN網(wǎng)絡(luò)模型應(yīng)用測試集進(jìn)行測試，保存模型參數(shù)；

S4、構(gòu)建絕緣子緊固件數(shù)據(jù)集；

S5、構(gòu)建圖像距離度量深度網(wǎng)絡(luò)，利用步驟S4構(gòu)建的絕緣子緊固件數(shù)據(jù)集訓(xùn)練圖像距離度量網(wǎng)絡(luò)模型；

S6、利用步驟S3訓(xùn)練的絕緣子緊固件識別Faster R-CNN網(wǎng)絡(luò)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(wǎng)絡(luò)模型對待檢測的絕緣子緊固件圖像進(jìn)行異常檢測，判定絕緣子緊固件是否出現(xiàn)異常。

具體的，步驟S2中，按照7:3的比例將接觸網(wǎng)數(shù)據(jù)集分成訓(xùn)練集和測試集。

具體的，步驟S3中，F(xiàn)aster R-CNN網(wǎng)絡(luò)模型使用ResNet50作為基礎(chǔ)特征提取網(wǎng)絡(luò)，學(xué)習(xí)率設(shè)置為0.001，使用隨機(jī)梯度下降法，設(shè)置動(dòng)量為0.9，權(quán)值衰減為0.0001。