[發(fā)明專利]一種基于紫外攝像頭的列車受電弓檢測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110448480.8
• 申請日: 2021-04-25
• 公開（公告）號: CN113192019A
• 公開（公告）日: 2021-07-30
• 發(fā)明（設(shè)計(jì)）人: 錢學(xué)明;王澤遠(yuǎn);鄒屹洋;侯興松
• 申請（專利權(quán)）人: 臺州智必安科技有限責(zé)任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73;G06K9/62;G06N3/04;G06N3/08;G01R31/12
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 范巍

本發(fā)明公開了一種基于紫外攝像頭的列車受電弓檢測方法及系統(tǒng)，所述方法包括以下步驟：將待檢測圖像輸入訓(xùn)練好的檢測器，抽幀檢測受電弓的位置以及是否異常，獲得檢測結(jié)果；通過紫外攝像頭提取待檢測圖像中受電弓取電時火花異常的位置，獲得提取結(jié)果；結(jié)合所述檢測結(jié)果和所述提取結(jié)果，獲得最終受電弓異常的位置，完成檢測。本發(fā)明的方法或系統(tǒng)用于列車受電弓檢測時，具有誤檢率較低、召回率較高、受光照影響較小的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)數(shù)字圖像處理與模式識別技術(shù)領(lǐng)域，涉及列車受電弓檢測領(lǐng)域，特別涉及一種基于紫外攝像頭的列車受電弓檢測方法及系統(tǒng)。

背景技術(shù)

高鐵運(yùn)行速度逐漸提高，高鐵的安全性越來越引起人們的重視；在高鐵的高速運(yùn)行過程中，全車的動力依靠于外車廂頂部的受電裝置獲取。因此，受電裝置對高鐵的運(yùn)行起著至關(guān)重要的作用。目前主要依靠人工登車檢查和人工監(jiān)控檢查的方式來確保高鐵受電裝置的正常工作，這種方式既增加了人力成本又會因人工檢查的弊端而帶來一些安全隱患。

隨著深度學(xué)習(xí)的發(fā)展，基于計(jì)算機(jī)視覺的智能監(jiān)控已經(jīng)逐漸應(yīng)用在生活中的各個領(lǐng)域，將深度學(xué)習(xí)技術(shù)應(yīng)用到高鐵受電裝置的智能監(jiān)控中，能夠解放人力同時為高鐵的運(yùn)行安全保駕護(hù)航。

目前已有的基于神經(jīng)網(wǎng)絡(luò)或圖像檢測方法的可靠性較差，具體包括：誤檢率較高、召回率較低、容易受到光照的影響。

綜上，亟需一種新的基于紫外攝像頭的列車受電弓檢測方法及系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于紫外攝像頭的列車受電弓檢測方法及系統(tǒng)，以解決上述存在的一個或多個技術(shù)問題。本發(fā)明的方法或系統(tǒng)用于列車受電弓檢測時，具有誤檢率較低、召回率較高、受光照影響較小的優(yōu)點(diǎn)。

為達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案：

本發(fā)明的一種基于紫外攝像頭的列車受電弓檢測方法，包括以下步驟：

將待檢測圖像輸入訓(xùn)練好的檢測器，抽幀檢測受電弓的位置以及是否異常，獲得檢測結(jié)果；

通過紫外攝像頭提取待檢測圖像中受電弓取電時火花異常的位置，獲得提取結(jié)果；

結(jié)合所述檢測結(jié)果和所述提取結(jié)果，獲得最終受電弓異常的位置，完成檢測。

本發(fā)明的進(jìn)一步改進(jìn)在于，所述訓(xùn)練好的檢測模型的獲取步驟包括：

獲取檢測受電弓的學(xué)習(xí)樣本集；

基于所述學(xué)習(xí)樣本集訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，獲得訓(xùn)練好的檢測器；其中，所述深度神經(jīng)網(wǎng)絡(luò)為YOLO、Fast-RCNN、Faster-RCNN或SSD。

本發(fā)明的進(jìn)一步改進(jìn)在于，所述獲取檢測受電弓的學(xué)習(xí)樣本集的步驟具體包括：

通過視覺攝像頭得到受電弓的圖像；

對得到的圖像進(jìn)行屬性和位置標(biāo)注，獲得樣本集；其中，所述屬性包括弓型正常和弓型異常；

將所述樣本集轉(zhuǎn)化為VOC或COCO標(biāo)準(zhǔn)數(shù)據(jù)集格式，獲得學(xué)習(xí)樣本集。

本發(fā)明的進(jìn)一步改進(jìn)在于，所述基于所述學(xué)習(xí)樣本集訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，獲得訓(xùn)練好的檢測器的過程中，在基于所述學(xué)習(xí)樣本集訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)之后還包括：

對訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型利用netadapt方法進(jìn)行剪枝搜索；再將模型轉(zhuǎn)換為ONNX格式后進(jìn)行量化，得到RKNN模型。

本發(fā)明的進(jìn)一步改進(jìn)在于，所述將模型轉(zhuǎn)換為ONNX格式后進(jìn)行量化，得到RKNN模型的步驟具體包括：

將剪枝搜索后的模型轉(zhuǎn)換為ONNX格式，并將模型參數(shù)量化為int8類型，獲得量化后的模型；