[发明专利]电力列车的受电弓碳滑板缺陷的检测方法有效
| 申请号： | 201811425533.9 | 申请日： | 2018-11-27 |
| 公开（公告）号： | CN109658387B | 公开（公告）日： | 2023-10-13 |
| 发明（设计）人： | 魏秀琨;江思阳;贾利民;尹贤贤;赵利瑞;魏德华;杨子明;李赛;孟鸿飞;滕延芹;王熙楠;管青鸾;所达;翟小婕;潘潼;陈亚兰 | 申请（专利权）人： | 北京交通大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 北京市商泰律师事务所 11255 | 代理人： | 黄晓军 |
| 地址： | 100044 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种电力列车的受电弓碳滑板缺陷的检测方法。该方法包括：构建改进的RCNN网络模型，利用训练集数据对改进的RCNN网络模型进行训练。通过安装在列车轨道旁的工业线阵相机采集电力列车的受电弓图片，将受电弓图片输入到训练好的改进的RCNN网络模型，改进的RCNN网络模型利用卷积运算提取所述受电弓图片中的受电弓碳滑板区域，利用损失函数对受电弓碳滑板区域进行缺陷类别检测。本发明的方法通过区域生成网络和快速区域卷积神经网络的结合，对训练图片的自主学习与特征提取，从而能对采集系统拍摄的图片中受电弓碳滑板的有效区域及缺陷类别进行分析，能够对受电弓碳滑板的状态进行实时监测，保障城市轨道列车安全运行，具有较大的应用前景。 | ||
| 搜索关键词： | 电力 列车 受电弓碳 滑板 缺陷 检测 方法 | ||
【主权项】：
1.一种电力列车的受电弓碳滑板缺陷的检测方法，其特征在于，构建改进的RCNN网络模型，该改进的RCNN网络模型包括区域生成网络RPN和快速区域卷积神经网络Fast‑RCNN，利用训练集数据对所述改进的RCNN网络模型进行训练，所述方法包括：通过安装在列车轨道旁的工业线阵相机采集电力列车的受电弓图片；将所述受电弓图片输入到训练好的改进的RCNN网络模型，所述改进的RCNN网络模型利用卷积运算提取所述受电弓图片中的受电弓碳滑板区域，利用损失函数对所述受电弓碳滑板区域进行缺陷类别检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京交通大学，未经北京交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811425533.9/，转载请声明来源钻瓜专利网。
