[发明专利]一种高铁接触网大尺度差异零部件检测方法

权利要求书

1.一种高铁接触网大尺度差异零部件检测方法，其特征在于，包括以下步骤：

步骤1：获取高铁接触网零部件图像数据集，根据聚类算法将数据集聚类；聚类算法采用非监督聚类算法，具体过程如下：

S1：缩放输入图像及标注信息至统一大小；

S2：统计每张图片中包含的零部件种类及数目，建立邻接表获得粗分类结果；

S3：计算步骤S2粗分类结果中每一类别的自交并比，并根据自交并比建立邻接表得到细分类结果；

步骤2：根据步骤1得到的聚类结果，形成N个图像类别与对应零部件位置的映射关系；具体过程如下：

(1)在步骤1根据聚类算法得到的聚类类别中，每个接触网零部件类别的边界框的并集生成具有标签的最小边界框；

(2)根据步骤(1)得到具有标签的最小边界框，结合图像顺序记录地面实况框的位置并预测位置趋势，计算附加预测区域为具有标签的提议区域；所述附加预测区域计算方法如下：

式中：L_x为x方向上的预测长度，L_y为y方向上的预测长度，N为每个精细分类结果中的图像数量；i为图像顺序，x和y分别为地面实况框的横坐标和纵坐标；x_imin为地面实况框最小横坐标，x_imax为地面实况框最大横坐标；y_imin为地面实况框最小横坐标，y_imax为地面实况框最大纵坐标；x_(i-1)min为上一张图片的地面实况框最小横坐标，x_(i-1)max为上一张图片的地面实况框最大横坐标，y_(i-1)min为上一张图片的地面实况框最小纵坐标，y_(i-1)max为上一张图片的地面实况框最大纵坐标；

(3)根据步骤(1)得到的聚类类别以及根据步骤(2)得到的具有标签的提议区域，获得聚类类别与具有标签的提议区域之间的映射关系；

步骤3：将步骤1得到的数据集，输入inceptionV2卷积神经网络进行分类训练，得到分类数据集；

步骤4：根据步骤2得到的映射关系和步骤3得到的分类数据集生成粗定位框；

步骤5：将粗定位框从图中截取出来，根据真实定位框位置形成细定位数据集；

步骤6：将步骤5得到的细定位数据集输入到SSD定位模型，进行细定位器的训练；

步骤7：将待检测图像输入到步骤3训练好的inceptionV2卷积神经网络中，得到初步分类结果；根据分类结果与步骤2得到的映射关系得到零部件的粗定位框；将粗定位框输入到步骤6训练后得到的SSD定位模型中即可得到零部件的细定位框，完成检测。

2.根据权利要求1所述的一种高铁接触网大尺度差异零部件检测方法，其特征在于，所述步骤S2中建立邻接表的过程如下：

S21：初始化图片索引k＝1，选择第k个图像作为第k条单链的第一个节点，并设置邻接列表E_k(1)＝k，初始化此邻接列表中的图片索引n＝1；

S22：选择第k+n个图像并计算其与第k个图像之间的各类零部件数据差距S(i)；其中i为第i个接触网零部件种类，i＝1,2，…M；若每个S(i)均大于设定阈值，则图像被判断为第k个图像相同的种类，被添加到第k个单链，即E_k＝[E_k,k+n]；

S23：设n＝n+1，返回步骤S22，直到遍历所有图像；

S24：设k＝k+1，返回步骤S21，直到遍历所有图像；

S25：建立邻接列表，设l＝1，判断第l单链中的任何元素是否已经存在于第m单链中，其中m＜k；若存在则将第m个单链添加到第l个单链并删除重复节点，即E_n＝E_n∪E_k；删除第m个单链；

S26：设l＝l+1，重复步骤S25直到遍历所有单链，得到的单链数目即为聚类数目。