[发明专利]一种基于深度学习的高铁接触网绝缘子故障检测方法

权利要求书

1.一种基于深度学习的高铁接触网绝缘子故障检测模型训练方法，其特征在于，包括以下步骤：

(1)采集接触网支持与悬挂装置的图像；

(2)在采集到的图像中对绝缘子位置和类别进行标注，得到用于训练位置检测模型的第一训练数据集；

(3)将所述第一训练数据集输入搭建好的YOLOv2深度神经网络模型中进行迭代训练，迭代训练完毕后得到用于检测绝缘子在图像中所在位置的位置检测模型；

(4)在采集到的图像中筛选并裁剪出正常和故障的绝缘子图像，并对所述绝缘子图像进行预处理和数据扩充，获得用于训练故障检测模型的第二训练数据集；

(5)对所述第二训练数据集中的绝缘子图像尺寸进行规格化处理后，输入搭建好的Resnet-50深度神经网络模型中进行迭代训练，迭代训练完毕后得到用于判断绝缘子故障类别的故障分类模型。

2.根据权利要求1所述的一种基于深度学习的高铁接触网绝缘子故障检测模型训练方法，其特征在于，所述步骤(2)中所述绝缘子类别包括：绝缘子正常、绝缘子破损、绝缘子脏污和绝缘子釉质脱落。

3.根据权利要求1或2所述的一种基于深度学习的高铁接触网绝缘子故障检测模型训练方法，其特征在于，所述步骤(4)中所述并对所述绝缘子图像进行预处理和数据扩充，包括：

对所述绝缘子图像进行高斯滤波处理，去除成像噪点；

使用灰度变换、伽马变换、HSV扰动、旋转或镜像的方式对经过处理的图像进行扩充。

4.一种基于深度学习的高铁接触网绝缘子故障检测方法，其特征在于，包括：

将待检测图像输入训练好的位置检测模型中，得到绝缘子的位置、大小和置信度信息；

选取置信度大于等于设定值的绝缘子图像进行裁剪并进行图像尺寸规格化处理后，输入训练好的故障分类模型中，得到绝缘子的故障类别；

在待检测图像中以可视化的方式输出绝缘子的位置和故障类别。

5.根据权利要求4所述的一种基于深度学习的绝缘子故障检测方法，其特征在于，所述置信度设定值为0.3。