[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

说明书

本发明公开了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，克服了现有技术中，高铁接触网吊弦缺陷检测精度有待提高的问题。该发明含有以下步骤：(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；(4)根据匹配结果对漏检的部位进行定位；(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。该技术利用深度神经网络来实现目标检测网络以及图像分类网络，能够对更准确的提取图像吊弦各部位的特征，使得本发明具有较强的学习能力以及泛化能力。

技术领域

本发明涉及计算机辅助性轨道交通领域，特别是涉及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。

背景技术

接触网是在电气化铁道中，沿钢轨上空“之”字形架设的，供受电弓取流的高压输电线。接触网是铁路电气化工程的主构架，是沿铁路线上空架设的向电力机车供电的特殊形式的输电线路。接触网吊弦相当于是整个接触网上的支架，是承力索与接触线间振动和力的传递者，是列车安全运营的关键部分，吊弦缺陷将会对铁路的安全运行产生重大影响。在接触网检测中，吊弦的检测任务繁重，通常一杆之间会有5组左右的吊弦，数量巨大并且缺陷较细，从而难以察觉。随着我国的列车的不断提速，接触网疲劳断裂事故也时有发生。目前，针对这一问题，主要有以下几种方案。

一是通过智能巡检车沿线路对接触网状态进行巡检。巡检车夜晚在高铁路段行驶过程中采用摄像采集、激光扫描、计算机图像处理、RFID精确定位和智能化分析判断等技术，对高铁钢轨面是否擦伤和磨损、钢轨扣件是否异常、供电接触网状态是否良好以及线路有无障碍物侵入等多项内容进行实时记录，经过计算机分析处理，从而实现了接触网缺陷检测的功能。

二是通过对2C(接触网安全巡检装置)或4C设备(接触网悬挂状态检测监测装置)拍摄的图片进行人工分析。2C及4C检测装置采用都是摄像头对接触网设备进行全方位拍摄。通过对接触网支撑装置、定位装置、附加悬挂等重要接触网关键设备进行高精度、高密度地拍摄，拍摄图像经采集后经人工逐帧仔细查看，发掘出检测数据所反映的设备状态，及时指导工区处理设备故障及安全隐患，确保接触网安全稳定运行。

三是基于计算机视觉的接触网吊弦缺陷检测。利用深度学习技术，通过高性能计算机对2C或4C装置所拍摄的图片进行分析。使用图像处理技术以及目标检测技术完成对接触网吊弦缺陷的定位、识别以及分类。

目前的接触网吊弦缺陷检测方案，不能在保证准确率的前提下还保证简易性。若是通过智能巡检车来检测接触网状态，首先随着列车速度的提高，车辆运行频率和巡检频率也需要提高，但是巡检车的速度有限且过多的巡检车会影响铁路运输工作的正常运行；同时铁路运行的环境也越来越复杂，许多安全故障是接触式检测无法识别的。若是采用人工分析2C(接触网安全巡检装置)或4C设备(接触网悬挂状态检测监测装置)拍摄图片的方法来检测吊弦缺陷，存在工作量大、耗时长、时效性差等问题，其次，长期人工判读会导致准确率降低，而这一原因主要因为分析人员每天需要分析的数据过多，而且分析过程单一枯燥，直接造成分析人员注意力下降，会造成大量的误判、漏判。

所以以上方法仍然有很多问题需要解决。基于计算机视觉的接触网吊弦缺陷检测，只需要随车安装2C或4C设备，无需巡检车的介入。利用计算机取代了人工，将分析人员从大量的重复性工作中解放出来。但是由于计算机视觉方法的学习能力较差，导致对一些异常出现误判以及漏判。由于计算机视觉方法大多基于深度神经网络来实现，训练深度神经网络需要大量的数据，而高铁接触网吊弦的缺陷数据是极少的，这就导致了基于计算机视觉的接触网吊弦缺陷检测精度难以提升。

发明内容

本发明克服了现有技术中高铁接触网吊弦缺陷检测精度有待提高的问题，提供一种步骤合理、可靠性高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。