[发明专利]高铁接触网开口销缺陷的智能检测方法

说明书

本发明公开了一种铁接触网开口销缺陷的智能检测方法及系统，其中，首先获取含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本组成的数据集，并按比例将该数据集划分为训练集和测试集；然后使用Pytorch深度学习框架，搭建识别网络模型；再通过模型训练系统训练所述识别网络模型，通过模型测试系统测试训练后的识别网络模型，从而使得识别网络模型能够识别高铁接触网开口销缺陷；最后调取实时的高铁接触网图像，截取出其中包含斜腕臂及其下方结构的子图像，通过识别网络模型进行识别并获得识别结果，进而抓取包含开口销缺陷的高铁接触网图像。

技术领域

本发明属于高铁技术领域，涉及对高铁接触网开口销缺陷的识别技术，尤其涉及一种高铁接触网开口销缺陷的智能检测方法及系统。

背景技术

我国的高铁运营里程逐年增加，高铁在运行过程中，通过接触网来实时供电，所以接触网也会收到高铁列车带来的冲击和振动，这就导致接触网可能因冲击振动而受损，所以及时发现接触网受损，并且及时予以修补完善才能保证高铁长时间持续运行，而高铁路线极长，及时发现接触网中的损坏部位是一件很困难的工作，为此，人们通过多种途径从各个角度来解决这一关键问题。

我国构建了高铁供电安全检测监测系统(6C系统)，而利用非接触式检测设备对接触网悬挂系统零部件状态检测是其中重要的组成部分。

针对接触网上不同部位可能出现的缺陷，都有着对应的不同的检测方案，针对接触网比较容易出现的开口销缺失或破损等缺陷，也有着不同的处理方案，但是目前的处理方案准确率偏低，处理效果还有待提高。

本发明人在深度学习技术的基础上，研究高铁接触网开口销缺陷的智能检测方法，以期待设计出一种能够解决上述问题的方法及系统。

发明内容

为了克服上述问题，本发明人进行了锐意研究，提出一种高铁接触网开口销缺陷的智能检测方法及系统，其中，首先获取含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本组成的数据集，并按比例将该数据集划分为训练集和测试集；然后使用Pytorch深度学习框架，搭建识别网络模型；再通过模型训练系统训练所述识别网络模型，通过模型测试系统测试训练后的识别网络模型，从而使得识别网络模型能够识别高铁接触网开口销缺陷；最后调取实时的高铁接触网图像，截取出其中包含斜腕臂及其下方结构的子图像，通过识别网络模型进行识别并获得识别结果，进而抓取包含开口销缺陷的高铁接触网图像，从而完成本发明。

本发明的目的在于提供一种高铁接触网开口销缺陷的智能检测方法，该方法包括以下步骤：

步骤1，获取含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本组成的数据集，并按比例将该数据集划分为训练集和测试集；

步骤2，使用Pytorch深度学习框架，搭建识别网络模型；

步骤3，通过模型训练系统训练所述识别网络模型，通过模型测试系统测试训练后的识别网络模型，从而使得识别网络模型能够识别高铁接触网开口销缺陷；

步骤4，调取实时的高铁接触网图像，截取出其中包含斜腕臂及其下方结构的子图像，通过识别网络模型进行识别并获得识别结果，进而抓取包含开口销缺陷的高铁接触网图像。

其中，步骤1包括如下子步骤：

子步骤1-1，获取通过摄像机拍摄的多幅包含高铁接触网的高清图像，且该高清图像来自拍摄角度不同的至少两台摄像机；

子步骤1-2，将采集到的数据图像截取为子图像，所述子图像中仅保留原图像的斜腕臂及其下方结构；

子步骤1-3，将子图像分为含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本，并分别进行标记；