[发明专利]一种基于SCA-GANomaly模型的高铁接触网零部件故障检测方法

权利要求书

1.一种基于SCA-GANomaly模型的高铁接触网零部件故障检测方法，其特征在于，包括：

在数据预处理阶段：先获取高铁接触网正常零部件图像，然后通过DCGAN数据增强手段扩充高铁接触网正常零部件样本数据集；

在训练阶段：将扩充完成的高铁接触网正常零部件样本数据集送入SCA-GANomaly网络进行训练，训练完成后，得到接触网正常零部件图像的数据分布；

在测试阶段：采集待测试样本的接触网零部件图像，然后将其输入到训练好的SCA-GANomaly网络中，得到输出图像后与待测试样本比较获取差异得分，判断该差异得分是否大于阈值K：若大于，则认为待测试样本的接触网零部件图像存在故障，否则判定待测试样本的接触网零部件图像正常。

2.根据权利要求1所述一种基于SCA-GANomaly模型的高铁接触网零部件故障检测方法，其特征在于，在数据预处理阶段：先收集多个高铁接触网正常零部件图像，并将其送入DCGAN网络中，使DCGAN网络学习正常的数据分布，生成更加丰富的高铁接触网正常零部件图像；将收集和生成的高铁接触网正常零部件图像构建出新的数据集，用于训练SCA-GANomaly网络。

3.根据权利要求1所述一种基于SCA-GANomaly模型的高铁接触网零部件故障检测方法，其特征在于，所述SCA-GANomaly网络包括生成器网络G、编码器网络E和判别器网络。

4.根据权利要求3所述一种基于SCA-GANomaly模型的高铁接触网零部件故障检测方法，其特征在于，所述生成器网络G包括编码器G_E(x)和解码器G_D(z)；其中，x表示输入SCA-GANomaly网络中的高铁接触网正常零部件图像，其维度为C表示图像通道数，H表示高，W表示宽；x经过编码器G_E(x)下采样后，生成一个潜在向量z，其维度为d表示向量长度；解码器G_D(z)对潜在向量z进行上采样，得到重建图像和x维度一致，均为将所述编码器G_E(x)的第二层特征图和解码器G_D(z)的第二层特征图相连，并将编码器G_E(x)的倒数第二层特征图和解码器G_D(z)的倒数第二层特征图相连。