[发明专利]基于神经网络的接触网吊弦载流环断裂缺陷自动检测方法

权利要求书

1.一种基于神经网络的接触网吊弦载流环断裂缺陷自动检测方法，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：建立接触网吊弦载流环的样本数据集；

步骤C：分别采用DPM、Faster R-CNN与Mask R-CNN卷积神经网络进行训练与目标检测，从而定位出接触网支撑及悬挂装置图像中吊弦载流环的位置；

步骤D：分别利用连通域算法和Mask Score R-CNN对定位到的载流环图像做故障状态分析。

2.根据权利要求1所述的基于神经网络的接触网吊弦载流环断裂缺陷自动检测方法，其特征在于，所述步骤C具体包括：

步骤C1：基于DPM算法对吊弦载流环定位：采用改进的方向梯度直方图提取目标特征，采用滑动窗口检测思想，采用支持向量机分类器检测目标；

步骤C 2：基于Faster R-CNN算法对吊弦载流环定位：将一维灰度图像作为网络的输入，通过骨干网络得到卷积特征图；结合RPN生成感兴趣区域，将感兴趣区域的局部特征映射输入池层；通过回归器和分类器网络得到分类和定位结果；

步骤C3：基于Mask R-CNN算法对吊弦载流环定位：在Faster R-CNN算法的基础上，主干网络采用特征金字塔网络结构，并用Align操作代替pooling层。

3.根据权利要求1所述的基于神经网络的接触网吊弦载流环断裂缺陷自动检测方法，其特征在于，所述步骤D具体包括：

步骤D1：根据DPM、Faster R-CNN和Mask R-CNN算法的定位结果，采用连通域算法提取所定位载流环区域，并以此进行载流环状态评估；若连通域像素值超过设定阈值，则载流环的状态是正常的；否则，则判定为断裂缺陷状态；

步骤D2：根据Mask R-CNN的定位结果，采用Mask Score R-CNN提取所定位载流环区域的掩码及其得分，并以此进行载流环状态评估判；当掩码得分超过载流环临界状态得分阈值时，载流环状态正常；否则，载流环处于断裂缺陷状态。

4.根据权利要求1所述的基于神经网络的接触网吊弦载流环断裂缺陷自动检测方法，其特征在于，所述Mask Score R-CNN为Mask R-CNN网络改进而来，其将RoIAlign层的特征与预测的掩码一起送到Mask_IoU head网络中，得到掩码得分。

5.根据权利要求1所述的基于神经网络的接触网吊弦载流环断裂缺陷自动检测方法，其特征在于，载流环临界状态得分阈值为0.7。