【技术实现步骤摘要】
一种高铁接触网供电设备裂损自动检测方法
本专利技术公开一种高铁接触网供电设备裂损自动检测方法,属于图像识别设备缺陷的
技术介绍
近些年来,我国铁路运输高速持续发展,动车和高铁在国民经济发展中起着不可替代的作用。随着我国高铁的全面开通,高铁线路巡检显得尤其重要。传统的高铁线路设备巡检工作,依靠固定位置的摄像头定点拍摄照片,再传回至地面,由工作人员通过对视频图像分析判断设备缺陷。随着海量检测数据的生成,只靠工作人员人眼识别势必造成大量强度较高的重复性劳动,以及视觉疲劳造成的识别率下降和漏检率上升,因此急需采用一种方法,既能高于人眼的识别率,又能长时间保持一个效率,极大降低误检率,实践证明使用基于深度学习的特征识别模型是一个很好的选择。然而现有的设备外观异常检测方法需要采集设备外观异常数据,而异常数据样本一般难以获取,导致深度学习样本少,学习训练模型准确率降低。因此在
中,怎样利用正常样本实现对外观异常设备的准确检测,成为较为棘手的技术问题。
技术实现思路
针对现有技术的不足,本专利技术公开一种高铁接触网供电设备裂损自动检测方法。本专利技术的技术方案如下:一种高铁接触网供电设备裂损自动检测方法,其特征在于,包括:1)建立数据样本库:首先,采集高铁用电系统中的设备定位器底座区域图像,人工标注所诉图像对应设备的类型及位置坐标,形成第一训练数据(图像、图像对应设备的类型、设备所处位置坐标);其次,对所述第一训练数据中的设备所处位置坐标进行处理:对 ...
【技术保护点】
1.一种高铁接触网供电设备裂损自动检测方法,其特征在于,包括:/n1)建立数据样本库:/n首先,采集高铁用电系统中的设备定位器底座区域图像,人工标注所诉图像对应设备的类型及位置坐标,形成第一训练数据(图像、图像对应设备的类型、设备所处位置坐标);/n其次,对所述第一训练数据中的设备所处位置坐标进行处理:对所述图像中的设备定位器底座进行框选,形成图形框,其中图形框的一个短点的坐标为x,y,则令所述图形框的位置标签为[x:(x+w),y:(y+h)],其中,w、h分别为该图形框的宽度和高度;形成第二训练数据(图形框、[x:(x+w),y:(y+h)]);/n2)训练两个深度卷积神经网络:/n其中一个是:目标检测深度卷积神经网络
【技术特征摘要】
1.一种高铁接触网供电设备裂损自动检测方法,其特征在于,包括:
1)建立数据样本库:
首先,采集高铁用电系统中的设备定位器底座区域图像,人工标注所诉图像对应设备的类型及位置坐标,形成第一训练数据(图像、图像对应设备的类型、设备所处位置坐标);
其次,对所述第一训练数据中的设备所处位置坐标进行处理:对所述图像中的设备定位器底座进行框选,形成图形框,其中图形框的一个短点的坐标为x,y,则令所述图形框的位置标签为[x:(x+w),y:(y+h)],其中,w、h分别为该图形框的宽度和高度;形成第二训练数据(图形框、[x:(x+w),y:(y+h)]);
2)训练两个深度卷积神经网络:
其中一个是:目标检测深度卷积神经网络用于将步骤1)中的第一训练数据得到设备定位器底座目标检测模型
另一个是:采用UNet结构的网络架构,用于将步骤2)中的得到的第一训练数据得到不同设备底座的图像重构模型;
3)开始测试:
实时采集被测高铁用电系统中的设备定位器底座图像,并将其导入步骤2)中的目标检测模型中,得到:被测设备的类型及设备所处位置坐标;
对本步骤中的所述设备定位器底座图像ROI区域做以下预处理:
将设备所处位置坐标根据获得的区域大小向外扩大原图像的1.1倍,并对该扩大后的图像进行Ostu阈值分割使得设备区域为1,背景区域为0;其中,Ostu是指大津法,最大类间方差法;然后以设备区域为中心对图像进行二次裁剪,使得设备位于图像的正中间;
4)对设备区域进行设备外观异常检测,通过将裁剪得到的设备区域放到步骤2)得到不同设备底座的图像重构模型中,并输出重构后的新设备图像Y。
2.根据权利要求1所述的一种高铁接触网供电设...
【专利技术属性】
技术研发人员:张方恒,石会莹,吴勇,王志强,杨习习,吉越,王丕,李阳,陶可猛,张继洲,张焕兵,隋金雁,
申请(专利权)人:和远智能科技股份有限公司,
类型:发明
国别省市:山东;37
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。