[发明专利]基于重构和分类卷积自编码网络的接触网绝缘子检测方法

说明书

本发明公开了一种基于重构和分类卷积自编码网络的接触网绝缘子检测方法，具体为：1、对高速铁路接触网支撑及悬挂装置进行成像；2、建立绝缘子的样本数据集，进行绝缘子目标检测与分割；3、利用坐标变换将绝缘子调整为水平，利用离群值检测去除噪声，对绝缘子进行边缘检测后进行二次函数拟合，对采集到的绝缘子图像进行逐片裁剪，最终建立绝缘子片数据集；4、搭建重构和分类卷积自动编码网络，判断是否存绝缘子误分类，并提取绝缘子故障区域；5、对分离出的前景图像进行聚类，根据聚类结果，建立故障判断准则；通过设置阈值判断绝缘子是否故障，并进一步评估故障的级别。本发明检测结果客观、真实、精确，克服了传统检测方法的缺陷。

技术领域

本发明属于高速铁路图像智能检测技术领域，具体涉及一种基于重构和分类卷积自编码网络的接触网绝缘子检测方法。

背景技术

接触网是高速铁路系统中关键的组成之一，对铁路的稳定和安全运营起着至关重要的作用。但是，由于复杂而恶劣的操作环境，接触网的组件很容易损坏，这时可能会导致火车运行中断，危及乘客的安全。在电气化铁道供电系统中,腕臂支持装置主要包括斜腕臂、水平腕臂(拉杆)、棒式绝缘子及相关零部件。棒式绝缘子用以悬挂支持斜腕臂和水平腕臂并保持接触线对接地体保持电气绝缘。斜腕臂和水平腕臂组成稳定三角形结构，为承力索提供支持力并连接定位装置。由于需要承受斜腕臂和水平腕臂的重力负荷和面对严峻的环境条件，在运行时难免会产生绝缘子片残缺或者污垢等不正常运营状态，给动车组的安全运行带来隐患，因此接触网检查系统将定期对接触网系统进行监视和检查，并采取措施排除隐患。此外，随着电力铁路的飞速发展，传统的手动一对一故障排除方法已无法满足高速铁路的维护需求。因此，提出了许多基于可视化的接触网缺陷检测方法，并在该领域中得到了应用。据统计，零件的缺陷类型主要是物理和机械故障。

目前，国内外基于图像处理的接触网组件故障状态检测已有一些研究。韩烨提出了一种悬链线裂纹检测的检测方法。首先根据悬链线的纹理结构特征，为接触网的子图像建立区域可缩放的拟合，以提取边缘图，然后计算提取区域的小波熵以检测裂纹。刘志刚等提出了一种等电位线散线检测方法。首先利用马尔可夫随机场模型分割等电线轮廓，通过分析独立连接区域的数量和像素的标准偏差来评估故障状态。陈隽文提出了一种级联了三网络的接触网紧固件缺失检测方法，第一级网络用于定位大型连接件，第二级网络在连接件区域上定位小型紧固件，第三级网络判断紧固件的缺陷状态。刘志刚等提出了一种基于生成对抗网络(GAN)的棒绝缘子缺陷检测方法，绝缘子区域由Faster R-CNN定位，并且将整个绝缘子区域放入GAN中以判断绝缘子状态。康高强等提出了一种基于AE(自编码器)网络的棒形绝缘子缺陷检测方法，首先利用Faster R-CNN定位绝缘子，然后将绝缘子分为许多小块，并将这些小块放入多任务神经网络，用于判断绝缘子状态。上述方法各有弊端，如GAN只能判断是否有故障，而不能判断故障的分布，且易受到背景干扰影响，AE网络存在功能冗余等。由于现场采集的接触网支撑及悬挂装置图像普遍较复杂，且采用的图像处理技术相对复杂，因此急需一种简单迅速的图像检测算法对绝缘子的故障状态进行快速定位与检测。

发明内容

为了实现绝缘子污垢等不良状态的检测、快速定位和故障级别评估(正常，轻微和严重)。本发明提供了一种基于重构和分类卷积自编码网络的接触网绝缘子检测方法。

本发明的基于重构和分类卷积自编码网络的接触网绝缘子检测方法，包括以下步骤：

步骤1：采用专用综合列检车对高速铁路接触网支撑及悬挂装置进行成像。

步骤2：建立绝缘子的样本数据集，采用ResNet101-FPN作为骨干网的Mask-RCNN卷积神经网络进行绝缘子目标检测与分割，从而定位出接触网支撑及悬挂装置图像中绝缘子的位置并分割。

步骤3：根据步骤2的定位结果计算绝缘子最小外接矩，根据矩形坐标计算外接矩的倾斜角度，利用坐标变换将绝缘子调整为水平，最终得到水平绝缘子图像；利用离群值检测去除噪声，对绝缘子进行边缘检测后进行二次函数拟合，对采集到的绝缘子图像进行逐片裁剪，最终建立绝缘子片数据集。