[发明专利]高铁接触网支撑装置极小目标零部件顶紧缺失检测方法

摘要

本发明公开了一种高铁接触网支撑装置极小目标零部件顶紧缺失检测方法。包括以下步骤：通过接触网检测车的接触网悬挂状态检测检测装置4C连续采集大量现场图片；根据Pascal VOC2007数据集格式手工标注数据；训练引入动态锚点机制(dynamic anchor mechanism)的Faster R‑CNN模型并根据训练好的目标检测模型获得接触网支撑装置零部件间种类和位置；通过检测到的零部件之间的相对位置关系，给出极小零部件的缺失分析结果。本发明在不增加内存开销以及原始算法复杂度的同时有效地提升了小目标检测精度，较好解决了接触网多尺度目标检测对实时性和准确性的要求。

主权项

1.高铁接触网支撑装置极小目标零部件顶紧缺失检测方法，通过使用深度学习技术对大量接触网支撑装置现场采集的图片进行学习，实现不同尺度大小的零部件有效分类与定位，进而对定位后的零部件实现其故障状态的检测与评估，其具体工作步骤包含：A、通过接触网检测车的接触网悬挂状态检测检测装置4C采集大量接触网支撑装置现场图片；B、按照Pascal VOC2007数据格式标记现场采集来的图片，生成标签xml文件；C、将图片和对应的标签xml文件送入具有动态锚点机制的Faster R‑CNN框架中训练得到接触网零部件目标检测模型；具有动态锚点机制的Faster RCNN在原有的Faster RCNN的RPN基础上引入了新的损失函数，该损失函数的目的在于估计固定锚点与真实物体边框之间坐标差距，进而可以生成更精确的区域候选框的中心，从而提高检测精度；为了实现动态锚点，引入1层卷积神经网络，连接在Faster R‑CNN后面，卷积核大小为1×1，步长为1，输出通道数为1，这层卷积神经网络被叫做Delta‑Anchor层，Delta‑Anchor层的输出固定每个固定锚点的偏移量；动态锚点损失函数为：其中，其中anchorcenter为多尺度Anchor的锚点坐标中心的偏移量的估计值，即为Delta‑Anchor层的输出；GTcenter为真实物体矩形框的坐标中心相对原始固定锚点的坐标中心的偏移量，n为固定锚点个数；D、运行检测模型得到检测结果，根据检测结果，通过接触网零件之间的相对位置关系对零部件缺失的状况给出分析结果；如果检测出斜支撑套筒但是没有检测出顶顶紧，则顶紧缺失。