[发明专利]高铁接触网开口销缺陷的智能检测方法

权利要求书

1.一种高铁接触网开口销缺陷的智能检测方法，其特征在于，该方法包括以下步骤：

步骤1，获取含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本组成的数据集，并按比例将该数据集划分为训练集和测试集；

步骤2，使用Pytorch深度学习框架，搭建识别网络模型；

步骤3，通过模型训练系统训练所述识别网络模型，通过模型测试系统测试训练后的识别网络模型，从而使得识别网络模型能够识别高铁接触网开口销缺陷；

步骤4，调取实时的高铁接触网图像，截取出其中包含斜腕臂及其下方结构的子图像，通过识别网络模型进行识别并获得识别结果，进而抓取包含开口销缺陷的高铁接触网图像；

在步骤2中，所述识别网络模型依次包括卷积层、下采样层、交替排布层和分类层；

其中，所述卷积层的卷积核大小为5x5，步距为2；

所述下采样层为步距为2的最大池化下采样层；

交替排布层是指9个dense模块和8个过渡层交替排布；

所述过渡层包括BN层，ReLU层，卷积核大小为1x1、步距为1的卷积层，和过滤器大小为3x3、步距为2的平均池化下采样层；通过将所述过渡层在dense模块和dense模块中间，来调整输出特征矩阵的宽高和深度；

其中，通过设置该卷积核为1x1、步距为1的卷积层，来调整特征矩阵的深度；

通过设置该过滤器大小为3x3、步距为2的平均池化下采样层，来调整输出特征矩阵的宽和高。

2.根据权利要求1所述的高铁接触网开口销缺陷的智能检测方法，其特征在于，

步骤1包括如下子步骤：

子步骤1-1，获取通过摄像机拍摄的多幅包含高铁接触网的高清图像，且该高清图像来自拍摄角度不同的至少两台摄像机；

子步骤1-2，将采集到的数据图像截取为子图像，所述子图像中仅保留原图像的斜腕臂及其下方结构；

子步骤1-3，将子图像分为含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本，并分别进行标记；

子步骤1-4，将标记后的样本按比例随机分为训练数据集和测试数据集，其中，在训练数据集中，高铁接触网开口销正常的样本和含有高铁接触网开口销缺陷的样本的比例为50:1；在测试数据集中，高铁接触网开口销正常的样本和含有高铁接触网开口销缺陷的样本的比例为100: 1。

3.根据权利要求1所述的高铁接触网开口销缺陷的智能检测方法，其特征在于，在子步骤1-3中，

所述高铁接触网开口销缺陷包括开口销缺失、开口销缺掰开角度异常和开口销外观状态异常。

4.根据权利要求1所述的高铁接触网开口销缺陷的智能检测方法，其特征在于，

所述dense模块由多个dense层堆叠而成，

所述9个dense模块包括dense模块一、dense模块二、dense模块三、dense模块、dense模块五、dense模块六、dense模块七、dense模块八和dense模块九；

其中，所述dense模块一包括3层dense层；

dense模块二包括4层dense层；

dense模块三包括5层dense层；

dense模块四包括7层dense层；

dense模块五包括7层dense层；

dense模块六包括8层dense层；

dense模块七包括6层dense层；

dense模块八包括4层dense层；

dense模块九包括3层dense层；

所述dense层由BN层，ReLU层，逐点卷积层，BN层，Sigmod层，第一逐通道卷积层，BN层，第二逐通道卷积层，逐点卷积层顺次堆叠而成；

其中，所述逐点卷积层即为Pointwise Convolution，其卷积核大小为2x2、步距为1；

所述第一逐通道卷积层的卷积核大小为2x2、步距为1；

所述第二逐通道卷积层的卷积核大小为3x3、步距为1。