【技术实现步骤摘要】
对铁路的接触网图像进行缺陷识别的方法
本专利技术涉及图像数据处理
，尤其涉及一种对铁路的接触网图像进行缺陷识别的方法。
技术介绍
接触网是保证列车安全运行的关键设备。由于列车运行中的反复激荡和振动，接触网部件容易损坏甚至丢失。目前，接触网的检测手段主要是由人工离线读取大量图像数据。然而，随着高速电气化铁路的大规模建设，人工目视检测照片数量巨大、检测效率低。检测车挂载的不同相机通常在夜间拍摄，获得图像质量差并且存在遗漏的现象。通过无人机拍摄铁路接触网，获得质量高的接触网图像能够避免拍摄角度造成的漏检。利用深度学习目标检测算法实现接触网缺陷的自动检测，对于提高接触网检测的准确度和效率有着重要的意义。近年来随着图形处理技术的发展，一些研究人员提出基于传统图像的检测手段对铁路接触网的图像数据进行缺陷检测，虽然在一定程度上可以检测出铁路接触网的外观缺陷，但是算法受周围环境影响大，在精度和速度上并没有达到理想要求。
技术实现思路
本专利技术的实施例提供了一种对铁路的接触网图像进行缺陷识别的方法，以克服现
【技术保护点】
1.一种对铁路的接触网图像进行缺陷识别的方法，其特征在于，包括：/n对铁路接触网拍照，获取铁路的接触网的图像数据集，对所述图像数据集进行扩充处理；/n基于图像金字塔特征融合构建改进的Faster R-CNN模型，利用扩充处理后的图像数据集对改进Faster R-CNN模型进行训练，得到训练好的改进Faster R-CNN模型；/n利用所述训练好的Faster R-CNN模型通过目标检测算法对待识别的接触网的图像数据进行缺陷目标识别，获取所述待识别的接触网的图像数据中的缺陷目标。/n
【技术特征摘要】
1.一种对铁路的接触网图像进行缺陷识别的方法，其特征在于，包括：
对铁路接触网拍照，获取铁路的接触网的图像数据集，对所述图像数据集进行扩充处理；
基于图像金字塔特征融合构建改进的FasterR-CNN模型，利用扩充处理后的图像数据集对改进FasterR-CNN模型进行训练，得到训练好的改进FasterR-CNN模型；
利用所述训练好的FasterR-CNN模型通过目标检测算法对待识别的接触网的图像数据进行缺陷目标识别，获取所述待识别的接触网的图像数据中的缺陷目标。
2.根据权利要求1所述的方法，其特征在于，所述的对铁路接触网拍照，获取铁路的接触网的图像数据集，对所述图像数据集进行扩充处理，包括：
利用无人机搭载摄像机方式对铁路接触网进行拍照，获取铁路接触网的图像数据集，对所述图像数据集进行图像扩充处理，该图像扩充处理包括调整图像的对比度、亮度、镜像、旋转图像角度、增加噪声中的至少一项，将扩充处理后的图像数据集划分为训练集、验证集和测试集；
将训练集中的图像数据统一调整大小为1000X1500像素，用labelImage软件将训练集中的图像数据中的缺陷用矩形框标出，生成包含图像名称、缺陷坐标和缺陷类型的矩形框图像数据，根据各个矩形框图像数据通过kmeans算法生成多个锚框图像数据，设定锚框的大小、长宽比，所述锚框用于预测图像数据中的缺陷位置信息。
3.根据权利要求2所述的方法，其特征在于，所述锚框的大小为32*32、64*64、128*128、256*256、512*512，长宽比例分别为1:2、1:1、2:1。
4.根据权利要求2或3所述的方法，其特征在于，所述的基于图像金字塔特征融合构建改进的FasterR-CNN模型，利用扩充处理后的图像数据集对改进FasterR-CNN模型进行训练，得到训练好的改进FasterR-CNN模型，包括：
基于图像金字塔特征融合构建改进的FasterR-CNN模型，在所述改进的FasterR-CNN模型中，将ResNet101作为特征提取网络，将所述训练集中的图像数据输入到ResNet101网络中，利用所述ResNet101网络提取出的图像数据的自上而下、自下而上的两个特征融合图，根据所述两个特征融合图和所述设定的锚框的大小、长宽比，得到特征融合图产生的锚框数据；
将所述锚框数据输入到RPN网络中，RPN网络通过损失函数对锚框数据进行二分类处理，筛选出作为目标对象的前景框，所述目标对象为铁路的接触网图像数据中的缺陷，综合前景框和锚框的坐标偏移量获得区域建议框；
根据每个区域建议框的置信度从大到小选取设定数量个区域建议框，将这些区域建议框经过NMS非极大值抑制算法进行去除冗余检测，保留设定数量个区域建议框作为检测框，利用Tensorflow框架对所有检测框进行池化操作，得到检测框的7*7的特征图，将该特征图输入...
【专利技术属性】
技术研发人员：秦勇，刘嘉豪，王志鹏，黄永辉，杨怀志，侯日根，吴云鹏，李齐贤，陈平，崔京，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11
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。