[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

说明书

本发明公开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，首先对高速铁路接触网支撑及悬挂装置进行图像采集，建立接触网吊弦载流环的样本数据集；然后分别采用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；最后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。本发明填补了接触网吊弦载流环断裂故障检测的空白，与传统的基于连通域的方法相比，基于神经网络的方法具有更高的自动化程度和鲁棒性；通过对正常和故障部件的评分，提出评价载流环的故障判据；对吊弦状态检测具有较高的准确性和自动化程度。

技术领域

本发明涉及高速铁路图像智能检测技术领域，具体为一种基于神经网络的接触网吊弦载流环状态检测方法。

背景技术

接触网系统由支撑装置和悬挂装置组成，是高速铁路的重要组成部分。任何部件的故障都可能导致整条铁路线路中断，造成巨大的经济损失，甚至危及旅客的安全。吊弦在接触网系统中起着至关重要的作用。吊弦两端连接着承力索和接触线，用以稳定接触线，并传递工作电流和短路电流。位于吊弦上的载流环，避免了吊弦与吊弦夹的直接连接，减少了机车电流通过受电弓时的引起的电气故障和电弧。目前，研究人员主要关注的是吊弦的松弛缺陷，而对接触网吊弦载流环断裂缺陷的研究较少。

目前，国内外基于图像处理的弓网故障状态检测已有一些研究，许多先进的算法被提出并应用于该领域。钟俊平等人提出了一种基于PVANET++的接触网开针缺陷三级自动检测系统。周靖松等人提出了一种基于三维点云分割的定位器支座非接触检测方法，用于检测接触网支撑结构的几何参数。Oberweger,et al.提出了一种基于局部梯度描述符判别训练和随后的本地化投票方案的绝缘子检测方法。韩烨等人提出了一种基于可变形部件模型和支持向量的棒形绝缘子检测与定位方法。Liu,et al.提出了一种将深度可分卷积与目标检测网络相结合的吊弦故障检测方法。Tan,et al.提出了一种多算法融合图像处理技术，实现对吊弦缺陷的检测，如微变形、吊弦松动、吊弦断裂、异物粘连等。虽然这些方法取得了一定的效果，但目前还没有关于载流环断裂缺陷的检测方法的报道。

发明内容

针对上述问题，本发明的目的在于提供一种具有更高的自动化程度和鲁棒性的基于神经网络的接触网吊弦载流环状态检测方法。技术方案如下：

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，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。

进一步的，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。

更进一步的，所述步骤D具体包括：