[发明专利]一种高铁接触网大尺度差异零部件检测方法

说明书

本发明公开了一种高铁接触网大尺度差异零部件检测方法，包括以下步骤：步骤1：根据聚类算法将数据集分类；步骤2：形成N个图像类别与对应零部件位置的映射关系；步骤3：数据集，输入卷积神经网络进行分类训练，得到分类数据集；步骤4：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卷积神经网络中，得到初步分类结果；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；本发明针对大尺度差异的接触网零部件，定位准确率高、检测时间短。

技术领域

本发明涉及图像识别技术领域，具体涉及一种高铁接触网大尺度差异零部件检测方法。

背景技术

接触网支持及悬挂装置担负着支撑接触网的重要任务，其装置状态的好坏影响着整个悬挂系统的稳定性，从而影响接触线的性能；故障时可能导致接触线与受电弓不能良好接触，影响受流质量；其中承力索底座工作环境恶劣、频繁剧烈震动、沿路人烟稀少、维护难度大、是支撑悬挂系统薄弱的环节之一；目前，接触网支撑悬挂装置的状态检测以人工检测为主，效率低；目前基于图像处理的接触网支撑及悬挂装置检测已有部分研究，传统图像处理方面多为单一零部件定位，例如：张桂南提出使用Harris角点检测与谱聚类实现了绝缘子的抗旋转匹配；韩烨提出利用待分析接触网支撑悬挂装置图像和标准旋转双耳图像之间的局部特征点匹配，实现旋转双耳的定位与提取；深度学习方面虽可实现多目标定位且效果提升但扔有缺点；例如钟俊平分别使用了三种深度学习模型对高铁接触网12类零部件进行了同时定位；但是实验结果表明不同零部件之间的巨大尺度差异严重影响了检测结果。

发明内容

本发明提供了一种针对大尺度差异的接触网零部件，定位准确率高、检测时间短的高铁接触网大尺度差异零部件检测方法。

本发明采用的技术方案是：一种高铁接触网大尺度差异零部件检测方法，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，得到分类数据集；

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；

步骤3：将步骤1得到的分类数据集，输入inceptionV2卷积神经网络进行分类训练，在输入一张新图片之后得到其分类结果；

步骤4：根据步骤2得到的映射关系和步骤3得到的分类结果生成粗定位框；

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。

进一步的，所述步骤1中的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。

进一步的，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；