[发明专利]一种高铁接触网绝缘子紧固件的异常检测方法

权利要求书

1.一种高铁接触网绝缘子紧固件的异常检测方法，其特征在于，包括以下步骤：

S1、采集接触网图像数据形成原始图像样本集；

S2、将步骤S1构建的接触网数据集中的图像统一调整至1280*1280像素，构建接触网数据集；

S3、利用步骤S2构建的接触网数据集训练用于接触网绝缘子紧固件识别与定位的Faster R-CNN网络模型，对Faster R-CNN网络模型应用测试集进行测试，保存模型参数；

S4、构建绝缘子紧固件数据集；

S5、构建图像距离度量深度网络，利用步骤S4构建的绝缘子紧固件数据集训练图像距离度量网络模型；

S6、利用步骤S3训练的绝缘子紧固件识别Faster R-CNN网络模型识别并定位绝缘子紧固件位置，得到待检测的绝缘子紧固件图像；然后利用步骤S5获得的图像距离度量深度网络模型对待检测的绝缘子紧固件图像进行异常检测，判定绝缘子紧固件是否出现异常。

2.根据权利要求1所述的高铁接触网绝缘子紧固件的异常检测方法，其特征在于，步骤S2中，按照7:3的比例将接触网数据集分成训练集和测试集。

3.根据权利要求1所述的高铁接触网绝缘子紧固件的异常检测方法，其特征在于，步骤S3中，Faster R-CNN网络模型使用ResNet50作为基础特征提取网络，学习率设置为0.001，使用随机梯度下降法，设置动量为0.9，权值衰减为0.0001。

4.根据权利要求1所述的高铁接触网绝缘子紧固件的异常检测方法，其特征在于，步骤S4具体为：

S401、将步骤S2标注的绝缘子紧固件图像按方位分为3类，再将每一类按正常和异常分为两类，即将绝缘子紧固件图像共分为6个类，分别存储在6个文件夹内；

S402、将绝缘子紧固件图像大小统一调至128*128像素值；

S403、通过加高斯噪声、锐度变化和对比度变化进行数据增强，得到3008张绝缘子紧固件图像。

5.根据权利要求1所述的高铁接触网绝缘子紧固件的异常检测方法，其特征在于，步骤S5具体为：

S501、构建包括Inception-ResNet-V1网络及其输出向量的L2归一化、三元组损失函数的图像距离度量深度网络；

S502、将步骤S4构建的绝缘子紧固件数据集按7:3分为训练集和测试集；

S503、用训练集训练图像距离度量深度网络，边际数值α＝0.2，特征向量维数n＝128，学习率为0.01，使用Adagrad优化算法随机初始化网络参数；

S504、迭代训练50次后，保存图像距离度量深度网络模型参数；

S505、利用测试集对步骤S504训练完成的图像距离度量深度网络模型进行测试。

6.根据权利要求5所述的高铁接触网绝缘子紧固件的异常检测方法，其特征在于，步骤S501中，L2归一化为对向量X＝x₁,x₂,...,x_n的每个分量除以L2范数得到一个新向量X₂，具体为：

7.根据权利要求5所述的高铁接触网绝缘子紧固件的异常检测方法，其特征在于，步骤S501中，三元组损失对应的目标函数为：

其中，分别表示Anchor，Positive，Negative的特征表示；α为大于零的常数；+表示[]内的值大于等于零时，取[]内表达式的值为损失函数的值，[]内表达式的值小于零时，损失函数的值为零。

8.根据权利要求1所述的高铁接触网绝缘子紧固件的异常检测方法，其特征在于，步骤S6具体为：

S601、利用步骤S3训练的Faster R-CNN目标检测网络模型，在待检测的接触网原始图像中识别并定位绝缘子紧固件，作为待检测绝缘子紧固件图像；

S602、从步骤S4构建的数据集中3个正常类图像集中各随机选取3张图像，与待检测绝缘子紧固件图像一起构成10张图像，根据相对距离D判定绝缘子紧固件图像是否异常。

9.根据权利要求8所述的高铁接触网绝缘子紧固件的异常检测方法，其特征在于，步骤S602中，将10张图像经过L2特征归一化，得到各图像的128维特征向量，利用欧氏距离计算两两之间的距离；在9张正常图像中取与待检测图像距离最小的3张图像，将3张图像之间的两两距离记为P1、P2、P3，将待检测图像与3张图像之间的距离记为N1、N2、N3；计算相对距离D＝(N1+N2+N3)/(P1+P2+P3)，若D大于1.2，则判定待检测图像出现异常，否则认为待检测图像未出现异常。