[发明专利]一种基于紫外摄像头的列车受电弓检测方法及系统

说明书

本发明公开了一种基于紫外摄像头的列车受电弓检测方法及系统，所述方法包括以下步骤：将待检测图像输入训练好的检测器，抽帧检测受电弓的位置以及是否异常，获得检测结果；通过紫外摄像头提取待检测图像中受电弓取电时火花异常的位置，获得提取结果；结合所述检测结果和所述提取结果，获得最终受电弓异常的位置，完成检测。本发明的方法或系统用于列车受电弓检测时，具有误检率较低、召回率较高、受光照影响较小的优点。

技术领域

本发明属于计算机数字图像处理与模式识别技术领域，涉及列车受电弓检测领域，特别涉及一种基于紫外摄像头的列车受电弓检测方法及系统。

背景技术

高铁运行速度逐渐提高，高铁的安全性越来越引起人们的重视；在高铁的高速运行过程中，全车的动力依靠于外车厢顶部的受电装置获取。因此，受电装置对高铁的运行起着至关重要的作用。目前主要依靠人工登车检查和人工监控检查的方式来确保高铁受电装置的正常工作，这种方式既增加了人力成本又会因人工检查的弊端而带来一些安全隐患。

随着深度学习的发展，基于计算机视觉的智能监控已经逐渐应用在生活中的各个领域，将深度学习技术应用到高铁受电装置的智能监控中，能够解放人力同时为高铁的运行安全保驾护航。

目前已有的基于神经网络或图像检测方法的可靠性较差，具体包括：误检率较高、召回率较低、容易受到光照的影响。

综上，亟需一种新的基于紫外摄像头的列车受电弓检测方法及系统。

发明内容

本发明的目的在于提供一种基于紫外摄像头的列车受电弓检测方法及系统，以解决上述存在的一个或多个技术问题。本发明的方法或系统用于列车受电弓检测时，具有误检率较低、召回率较高、受光照影响较小的优点。

为达到上述目的，本发明采用以下技术方案：

本发明的一种基于紫外摄像头的列车受电弓检测方法，包括以下步骤：

将待检测图像输入训练好的检测器，抽帧检测受电弓的位置以及是否异常，获得检测结果；

通过紫外摄像头提取待检测图像中受电弓取电时火花异常的位置，获得提取结果；

结合所述检测结果和所述提取结果，获得最终受电弓异常的位置，完成检测。

本发明的进一步改进在于，所述训练好的检测模型的获取步骤包括：

获取检测受电弓的学习样本集；

基于所述学习样本集训练深度神经网络，获得训练好的检测器；其中，所述深度神经网络为YOLO、Fast-RCNN、Faster-RCNN或SSD。

本发明的进一步改进在于，所述获取检测受电弓的学习样本集的步骤具体包括：

通过视觉摄像头得到受电弓的图像；

对得到的图像进行属性和位置标注，获得样本集；其中，所述属性包括弓型正常和弓型异常；

将所述样本集转化为VOC或COCO标准数据集格式，获得学习样本集。

本发明的进一步改进在于，所述基于所述学习样本集训练深度神经网络，获得训练好的检测器的过程中，在基于所述学习样本集训练深度神经网络之后还包括：

对训练好的深度神经网络模型利用netadapt方法进行剪枝搜索；再将模型转换为ONNX格式后进行量化，得到RKNN模型。

本发明的进一步改进在于，所述将模型转换为ONNX格式后进行量化，得到RKNN模型的步骤具体包括：

将剪枝搜索后的模型转换为ONNX格式，并将模型参数量化为int8类型，获得量化后的模型；