【技术实现步骤摘要】
一种高铁接触网供电设备螺栓松动自动检测方法
本专利技术公开一种高铁接触网螺栓松动自动检测方法,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。现有的螺栓松动方法基于拧紧的螺栓标记为参考标记,通过计算当前螺栓角度与参考螺栓角度差来判断螺栓是否松动。此方法只对固定位置的螺栓图片检测有效,而高压线路巡检中有多处螺栓,需要先对螺栓位置进行判别在进行松动检测,增加了设备异常检测的繁琐。因此在本
中,怎样对高铁接触网中各种供电设备螺栓松动准确检测,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螺栓松动自动检测方法。本专利技术的技术方案如下:一种高铁接触网供电设备螺栓松动自动检测方法,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摄像机拍摄照片,通过人工标记出螺栓区域图像位置信息、螺栓松动状态及对应关系 ...
【技术保护点】
1.一种高铁接触网供电设备螺栓松动自动检测方法,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摄像机拍摄照片,通过人工标记出螺栓区域图像位置信息、螺栓松动状态及对应关系,形成训练数据;/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Faster-RCNN,用于从步骤1)中的照片得到螺栓区域检测模型
【技术特征摘要】
1.一种高铁接触网供电设备螺栓松动自动检测方法,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摄像机拍摄照片,通过人工标记出螺栓区域图像位置信息、螺栓松动状态及对应关系,形成训练数据;
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Faster-RCNN,用于从步骤1)中的照片得到螺栓区域检测模型该检测模型选用基本的训练流程即可;
另一个是:采用一个自编码器结构的网络架构,将自编码器输出的稀疏表达向量与全连接层相连以实现螺栓松动状态分类,用于将步骤1)中的得到的螺栓区域图像进行重构和分类;
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X,并将其导入步骤2)中的检测模型中,得到螺栓区域在图中所处位置坐标[Xmin,Ymin,Xmax,Ymax];
对本步骤中的所述螺栓区域Y进行提取,步骤为:
Y=X[Xmin:Xmax,Ymin:Ymax];
4)对设备区域进行设备外观异常检测,通过将裁剪得到的螺栓区域Y放到步骤2)中的自编码网络及全连接层中,得到螺栓松动状态分类结果。
2.根据权利要求1所述的一种高铁接触网供电设备螺栓松动自动检测方法,其特征在于,所述自编码器的编码器包括4个卷积块,其特征层个数分别为[32,64,128,256],每个卷积块由2个卷积层组成;
其计算公式为:
对于输入图像x,经自编码器结构的网络架构的编码器θ(·)后得到输入图像x的高层次表达θ(x),则稀疏表达向量z通过对该高层次语义表达进行行列挤压得到。
3.根据权利要求2所述的一种高铁接触网供电设备螺栓松动自动检测方法,其特征在于,所述稀疏表达向量z通过对该高层次语义表达进行行列挤压的具体实现步骤为:
先将θ(x)经过一个1×1的卷积层f得到的空间向量f(θ(x)),其大小为256×W×H,再对f(θ(x))分别进行行列求平...
【专利技术属性】
技术研发人员:张方恒,王志强,石会莹,张文升,李增荣,白树军,吴勇,杨习习,吉越,陶可猛,张继洲,隋金雁,王明晗,
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。