[发明专利]一种基于深度学习和迁移学习的2C设备高铁接触网吊弦缺陷检测方法

权利要求书

1.一种基于深度学习和迁移学习的2C设备高铁接触网吊弦缺陷检测方法，其特征在于：，含有以下步骤：

(1)输入拍摄的高分辨率图像；

(2)将输入图像送入目标检测网络得到预测结果，用非极大值抑制算法过滤掉所有检测结果中重叠部分过大的检测框；

(3)对检测出的正常部位进行坐标匹配；步骤3中对检测出的正常部位进行匹配，步骤如下：

(3a)在步骤2中得到一张图像上所有正常部位的坐标，将正常部位中的上下载流环进行匹配，匹配之后将所有正常部位划分为3部分{成功匹配的上下载流环对，未成功匹配的载流环，吊弦主体}；

(3b)然后将{成功匹配的上下载流环对，未成功匹配的载流环，吊弦主体}中的吊弦主体与匹配成功的载流环对进行匹配，将所有正常部位重新划分为4部分{成功匹配的吊弦，缺失主体的吊弦，未成功匹配的载流环，未成功匹配的吊弦主体}；

(3c)将{成功匹配的吊弦，缺失主体的吊弦，未成功匹配的载流环，未成功匹配的吊弦主体}中没有成功匹配的载流环和吊弦主体进行匹配，得到缺失上载流环的吊弦、缺失下载流环的吊弦；再将所有检测到的正常部位划分成5部分{成功匹配的吊弦，缺失主体的吊弦，缺失上载流环的吊弦，缺失下载流环的吊弦，未成功匹配的部位}；

(4)根据匹配结果对漏检的部位进行定位；步骤4中根据匹配结果对漏检的部位进行定位，步骤如下：

(4a)将{成功匹配的吊弦，缺失主体的吊弦，缺失上载流环的吊弦，缺失下载流环的吊弦，未成功匹配的部位}中缺失主体的吊弦的坐标取出，根据吊弦3个部位的逻辑位置关系得到吊弦主体的坐标{漏检吊弦主体}；

(4b)将{成功匹配的吊弦，缺失主体的吊弦，缺失上载流环的吊弦，缺失下载流环的吊弦，未成功匹配的部位}中缺失上载流环的吊弦的坐标取出，根据吊弦3个部位的逻辑位置关系得到上载流环的坐标{漏检上载流环}；

(4c)将{成功匹配的吊弦，缺失上载流环的吊弦，缺失下载流环的吊弦，未成功匹配的部位}中缺失下载流环的吊弦的坐标取出，根据吊弦3个部位的逻辑位置关系得到下载流环的坐标{漏检下载流环}；

(5)利用分类网络对定位出的漏检部位进行分类；

(6)输出所有异常检测结果。

2.根据权利要求1所述的基于深度学习和迁移学习的2C设备高铁接触网吊弦缺陷检测方法，其特征在于：所述步骤1中高分辨率图像选取2C设备拍摄。

3.根据权利要求1所述的基于深度学习和迁移学习的2C设备高铁接触网吊弦缺陷检测方法，其特征在于：所述步骤2中利用目标检测网络提取吊弦3个部位，步骤如下：

(2a)将输入图像送入目标检测网络，经过网络的前向预测，得到多个输入图像的预测结果[tlx,tly,brx,bry,cls_idx,score]，其中(tlx,tly)分别代表物体在输入图像中的左上角横纵坐标，(brx,bry)分别代表物体在输入图像中的右下角横纵坐标，cls_idx代表物体所代表的类别的索引，score代表该物体的检测置信度；检测结果包含6种物体类型{正常上载流环，正常吊弦主体，正常下载流环，异常上载流环，异常吊弦主体，异常下载流环}；

(2b)用非极大值抑制算法对所有检测结果进行过滤，将重叠部分过大的检测框过滤掉。

4.根据权利要求1所述的基于深度学习和迁移学习的2C设备高铁接触网吊弦缺陷检测方法，其特征在于：所述步骤5中利用分类网络对定位出的漏检部位进行分类，步骤如下：

(5a)根据步骤4中得到的{漏检吊弦主体，漏检上载流环，漏检下载流环}的坐标在原图中裁剪出对应区域的图像；

(5b)将裁剪出的图像块送入图像分类网络；

(5c)分类网络输出分类结果{正常漏检吊弦主体，正常漏检上载流环，正常漏检下载流环，异常漏检吊弦主体，异常漏检上载流环，异常漏检下载流环}。

5.根据权利要求1所述的基于深度学习和迁移学习的2C设备高铁接触网吊弦缺陷检测方法，其特征在于：所述步骤6中输出所有异常检测结果，步骤如下：

(6a)将目标检测网络得到的{异常上载流环，异常吊弦主体，异常下载流环}结果与图像分类网络得到的{异常漏检上载流环，异常漏检吊弦主体，异常漏检下载流环}进行汇总；

(6b)输出所有的异常部位检测结果。