[发明专利]基于卷积神经网络的接触网关键部件目标检测方法有效
| 申请号： | 201910821943.3 | 申请日： | 2019-09-02 |
| 公开（公告）号： | CN110569841B | 公开（公告）日： | 2022-09-16 |
| 发明（设计）人： | 王春生;黄展鹏;刘子建;李陈勉 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06V10/25 | 分类号： | G06V10/25;G06V10/764;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 广州市红荔专利代理有限公司 44214 | 代理人： | 胡昌国 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的接触网关键部件的目标检测方法，通过接触网悬挂状态检测监测装置(4C)所拍摄到的图像建立样本库，该样本库中的图像数据分别经过数据增强、人工标注两个步骤完成建立。搭建基于YOLOv3模型的深度卷积神经网络，并将上述样本库中的训练样本送入YOLOv3模型中训练，训练好的模型将用于接触网关键部件的目标检测与定位。本发明通过使用目标检测算法，结合接触网悬挂状态检测监测装置(4C)系统，可以实现高速铁路接触网的关键部件的快速检测和分类，减少人工查图的工作量。该方法具有处理速度快、泛化能力强、精度高、抗干扰能力强等优点，一定程度上节省人力物力，从而提高检测的效率。 | ||
| 搜索关键词： | 基于 卷积 神经网络 接触 网关 部件 目标 检测 方法 | ||
【主权项】：
1.基于卷积神经网络的接触网关键部件目标检测方法，其特征在于，包括以下步骤：/n步骤1：图像数据采集：采集接触网高清图像，形成原始图像样本集；/n步骤2：图像数据增强：对步骤1中所采集的接触网图像样本进行分类和测试，采用灰度变换、加噪或减噪、剪切、旋转和镜像翻转，或这些方式的组合进行数据增强处理，形成图像增强样本集；/n步骤3：制作训练样本集：将步骤1中得到的原始图像样本集与步骤2中得到的图像增强样本集汇总组成图像样本库，并在图像样本库中提取部分数据作为训练集，在剩余的图像数据中提取部分作为验证集和测试集；在训练集和测试集中标注多个目标区域，并作相应分类标签；/n步骤4：将训练数据运用到基于卷积神经网络的目标检测算法模型YOLOv3上，利用训练集对该模型进行图像区域识别和关键目标识别与定位的训练，得到接触网目标区域关键部件的目标检测模型；/n步骤5：将待检测图像输入训练好的模型中，验证接触网关键部件的目标定位及分类准确度。/n
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中南大学，未经中南大学许可，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/201910821943.3/，转载请声明来源钻瓜专利网。
- 上一篇：目标检测方法及相关装置
- 下一篇：一种用于GAN模型训练的半监督学习的方法
