[发明专利]一种基于深度学习的高铁接触网防风拉线故障检测方法

摘要

本发明公开了一种基于深度学习的高铁接触网防风拉线故障检测方法，包括以下步骤：对高速铁路接触网支撑及悬挂装置进行图像采集，建立关于高铁接触网防风拉线样本库；为减少其它因素影响，提高防风拉线故障检测准确性，在防风拉线定位识别过程中，通过Faster R‑CNN对防风拉线进行识别定位；在一级对象定位的基础上利用图像配准及图像形态学运算实现防风拉线不良状态识别，实现正常与故障防风拉线的分类，通过实验统计分析，确定了故障判断阈值，作为防风拉线是否发生松脱故障的判据。本发明减少了人工识别的巨大工作量，实现现场图像的自动分析，具有较高的识别准确性。

主权项

1.一种基于深度学习的高铁接触网防风拉线故障检测方法，其特征在于，包括以下步骤：步骤A：对高速铁路接触网支撑及悬挂装置进行图像采集；步骤B：对采集的图像进行筛选，建立关于高铁接触网防风拉线样本库，样本库里包括防风拉线的位置坐标及类别；步骤C：搭建基于Faster‑RCNN算法的深度卷积神经网络，训练网络防风拉线定位检测的模型，实现防风拉线的识别与定位，从高铁接触网全局图像中截取防风拉线零部件；步骤D：在提取的防风拉线零部件中，标注防风拉线故障类型：缺失、断裂、松脱；步骤E：通过仿射变换进行图像配准，以消除或减小目标的位置关系及噪声引起的畸变，通过图像形态学运算和防风拉线曲率判断实现高铁接触网防风拉线的故障检测。