【技术实现步骤摘要】
一种铁路接触网鸟巢的自动检测系统、方法及存储介质
本专利技术涉及图像检测领域，尤其涉及一种铁路接触网鸟巢的自动检测系统、方法及存储介质，适用于铁路建设钟的铁路接触网鸟巢的检测。
技术介绍
在铁路建设的过程中，往往需要将铁路的接触网设备上的鸟巢进行排查，并将排查出来的鸟巢进行拆除或是转移等处理。现有的检测方法主要是通过人工选择特征，使用传统机器学习方法进行识别，泛化性能较差，无法应对高铁路途中的复杂环境，且识别速度不够快。针对上述问题，本专利技术使用基于深度学习的目标检测系统对铁路接触网设备的鸟巢进行自动检测，无需人工提取特征，且检测速度较快。
技术实现思路
本专利技术的目的是解决现有技术的不足，提供一种铁路接触网鸟巢的自动检测系统、方法及存储介质，能够获得无需人工提取特征就能够较快地对铁路接触网设备的鸟巢进行识别的效果。为了实现上述目的，本专利技术采用以下的技术方案：提出一种铁路接触网鸟巢的自动检测系统，所述系统包括：摄像模块，所述摄像模块用于获取铁路的接触网设备图像；
【技术保护点】
1.一种铁路接触网鸟巢的自动检测系统，其特征在于，所述系统包括：/n摄像模块，所述摄像模块用于获取铁路的接触网设备图像；/n处理模块，所述处理模块包括：/n图像预处理单元，所述图像预处理单元用于对获取的接触网设备图像进行预处理操作得到第二图像；/n特征提取单元，所述特征提取单元用于将第二图像进行特征提取自下而上地形成C1-C5层特征；/n特征整合单元，所述特征整合单元用于将C1-C5层的各层特征进行卷积核运算，并通过FPN金字塔网络进行整合得到P2、P3、P4以及P5层的特征；/n鸟巢判断单元，所述鸟巢判断单元用于通过分类与回归子网络结合P2、P3、P4以及P5层的特征对第...
【技术特征摘要】
1.一种铁路接触网鸟巢的自动检测系统，其特征在于，所述系统包括：
摄像模块，所述摄像模块用于获取铁路的接触网设备图像；
处理模块，所述处理模块包括：
图像预处理单元，所述图像预处理单元用于对获取的接触网设备图像进行预处理操作得到第二图像；
特征提取单元，所述特征提取单元用于将第二图像进行特征提取自下而上地形成C1-C5层特征；
特征整合单元，所述特征整合单元用于将C1-C5层的各层特征进行卷积核运算，并通过FPN金字塔网络进行整合得到P2、P3、P4以及P5层的特征；
鸟巢判断单元，所述鸟巢判断单元用于通过分类与回归子网络结合P2、P3、P4以及P5层的特征对第二图像中是否存在鸟巢进行智能判断。
2.根据权利要求1所述的一种铁路接触网鸟巢的自动检测系统，其特征在于，所述特征整合单元包括：
第一特征整合子单元，所述第一特征整合子单元用于将经过卷积核卷积后的C1-C5层的特征在FPN金字塔网络中以自上而下的路径以及横向连接的方式进行采样、特征融合的操作得到M2-M5层的特征；
第二特征整合子单元，所述第二特征整合子单元用于将M2-M5层的特征经过3*3卷积处理得到P2、P3、P4以及P5层的特征。
3.根据权利要求1所述的一种铁路接触网鸟巢的自动检测系统，其特征在于，还包括Pn层选择单元，所述Pn层选择单元用于根据ROI的尺寸来选择Pn层。
4.一种铁路接触网鸟巢的自动检测方法，其特征在于，应用于上述的一种铁路接触网鸟巢的自动检测系统，包括以下：
获取铁路的接触网设备图像，并进行图像预处理操作得到第二图像；
将第二图像输入到ResNet特征提取卷积神经网络进行特征提取，自下而上地形成C1-C5层特征；
对C1-C5层的各层特征进行卷积核运算，并通过FPN金字塔网络进行整合得到P2、P3、P4以及P5层的特征；
将得到的P2、P3、P4以及P5层的特征输入到分类与回归子网络，对第二图像中是否存在鸟巢进行智能判断。
5.根据权利要求4所述的一种铁路接触网鸟巢的自动检测方法，其特征在于，上述的图像预处理操作具体包括以下：
对铁路的接触网设备图像进行图像增强处理得到第二图像，所述图像增强具...
【专利技术属性】
技术研发人员：刘国文，张彩霞，李斌，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。