高铁接触网开口销缺陷的智能检测方法技术

本发明专利技术公开了一种铁接触网开口销缺陷的智能检测方法及系统，其中，首先获取含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本组成的数据集，并按比例将该数据集划分为训练集和测试集；然后使用Pytorch深度学习框架，搭建识别网络模型；再通过模型训练系统训练所述识别网络模型，通过模型测试系统测试训练后的识别网络模型，从而使得识别网络模型能够识别高铁接触网开口销缺陷；最后调取实时的高铁接触网图像，截取出其中包含斜腕臂及其下方结构的子图像，通过识别网络模型进行识别并获得识别结果，进而抓取包含开口销缺陷的高铁接触网图像。的高铁接触网图像。的高铁接触网图像。

【技术实现步骤摘要】
高铁接触网开口销缺陷的智能检测方法


[0001]本专利技术属于高铁
，涉及对高铁接触网开口销缺陷的识别技术，尤其涉及一种高铁接触网开口销缺陷的智能检测方法及系统。

技术介绍

[0002]我国的高铁运营里程逐年增加，高铁在运行过程中，通过接触网来实时供电，所以接触网也会收到高铁列车带来的冲击和振动，这就导致接触网可能因冲击振动而受损，所以及时发现接触网受损，并且及时予以修补完善才能保证高铁长时间持续运行，而高铁路线极长，及时发现接触网中的损坏部位是一件很困难的工作，为此，人们通过多种途径从各个角度来解决这一关键问题。
[0003]我国构建了高铁供电安全检测监测系统(6C系统)，而利用非接触式检测设备对接触网悬挂系统零部件状态检测是其中重要的组成部分。
[0004]针对接触网上不同部位可能出现的缺陷，都有着对应的不同的检测方案，针对接触网比较容易出现的开口销缺失或破损等缺陷，也有着不同的处理方案，但是目前的处理方案准确率偏低，处理效果还有待提高。
[0005]本专利技术人在深度学习技术的基础上，研究高铁接触网开口销缺陷的智能检测方法，以期待设计出一种能够解决上述问题的方法及系统。

技术实现思路

[0006]为了克服上述问题，本专利技术人进行了锐意研究，提出一种高铁接触网开口销缺陷的智能检测方法及系统，其中，首先获取含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本组成的数据集，并按比例将该数据集划分为训练集和测试集；然后使用Pytorch深度学习框架，搭建识别网络模型；再通过模型训练系统训练所述识别网络模型，通过模型测试系统测试训练后的识别网络模型，从而使得识别网络模型能够识别高铁接触网开口销缺陷；最后调取实时的高铁接触网图像，截取出其中包含斜腕臂及其下方结构的子图像，通过识别网络模型进行识别并获得识别结果，进而抓取包含开口销缺陷的高铁接触网图像，从而完成本专利技术。
[0007]本专利技术的目的在于提供一种高铁接触网开口销缺陷的智能检测方法，该方法包括以下步骤：步骤1，获取含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本组成的数据集，并按比例将该数据集划分为训练集和测试集；步骤2，使用Pytorch深度学习框架，搭建识别网络模型；步骤3，通过模型训练系统训练所述识别网络模型，通过模型测试系统测试训练后的识别网络模型，从而使得识别网络模型能够识别高铁接触网开口销缺陷；步骤4，调取实时的高铁接触网图像，截取出其中包含斜腕臂及其下方结构的子图像，通过识别网络模型进行识别并获得识别结果，进而抓取包含开口销缺陷的高铁接触网
图像。
[0008]其中，步骤1包括如下子步骤：子步骤1
‑
1，获取通过摄像机拍摄的多幅包含高铁接触网的高清图像，且该高清图像来自拍摄角度不同的至少两台摄像机；子步骤1
‑
2，将采集到的数据图像截取为子图像，所述子图像中仅保留原图像的斜腕臂及其下方结构；子步骤1
‑
3，将子图像分为含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本，并分别进行标记；子步骤1
‑
4，将标记后的样本按比例随机分为训练数据集和测试数据集，其中，在训练数据集中，高铁接触网开口销正常的样本和含有高铁接触网开口销缺陷的样本的比例为50:1；在测试数据集中，高铁接触网开口销正常的样本和含有高铁接触网开口销缺陷的样本的比例为100: 1。
[0009]其中，所述高铁接触网开口销缺陷包括开口销缺失、开口销缺掰开角度异常和开口销外观状态异常。
[0010]其中，在步骤2中，所述识别网络模型依次包括卷积层、下采样层、交替排布层和分类层；其中，所述卷积层的卷积核大小为5x5，步距为2；所述下采样层为步距为2的最大池化下采样层；交替排布层是指9个dense模块和8个过渡层交替排布。
[0011]其中，所述dense模块由多个dense层堆叠而成，优选地，所述9个dense模块包括dense模块一、dense模块二、dense模块三、dense模块、dense模块五、dense模块六、dense模块七、dense模块八和dense模块九；其中，所述dense模块一包括3层dense层；dense模块二包括4层dense层；dense模块三包括5层dense层；dense模块四包括7层dense层；dense模块五包括7层dense层；dense模块六包括8层dense层；dense模块七包括6层dense层；dense模块八包括4层dense层；dense模块九包括3层dense层；优选地，所述dense层由BN层，ReLU层，逐点卷积层，BN层，Sigmod层，第一逐通道卷积层，BN层，第二逐通道卷积层，逐点卷积层顺次堆叠而成；其中，所述逐点卷积层即为Pointwise Convolution，其卷积核大小为2x2、步距为1；所述第一逐通道卷积层的卷积核大小为2x2、步距为1；所述第二逐通道卷积层的卷积核大小为3x3、步距为1。
[0012]其中，在所述dense模块中，第层的输出特征矩阵公式如下：
其中，其中，表示第层的输出；表示第层的dense层的BN层、ReLU层、Sigmod层、逐点卷积层、逐通道卷积的总的运算；表示dense模块中，第层之前所有dense层输出特征矩阵的合并。
[0013]其中，所述过渡层包括BN层，ReLU层，卷积核大小为1x1、步距为1的卷积层，和过滤器大小为3x3、步距为2的平均池化下采样层；通过将所述过渡层在dense模块和dense模块中间，来调整输出特征矩阵的宽高和深度；优选地，其中，通过设置该卷积核为1x1、步距为1的卷积层，来调整特征矩阵的深度；通过设置该过滤器大小为3x3、步距为2的平均池化下采样层，来调整输出特征矩阵的宽和高。
[0014]其中，所述步骤S2中，所述分类层包括BN层，过滤器大小为6x6、步距为1的平均池化下采样层和全连接层。
[0015]其中，在步骤3中，所述模型训练系统包括数据预处理模块、损失函数模块、训练模块、训练日志存储模块；其中，在所述预处理模块中，采用中值滤波的方法去除训练集中图像的噪点和测试集中图像的噪点；再将图像缩放为宽256像素、高256像素；最后将读取的图像数据转化为Pytorch中的张量格式；通过所述损失函数模块评价识别网络模型预测输出与输入图像真实标签之间的一致性，并在一致性达到99%以上情况时认为该识别网络模型获得识别高铁接触网开口销缺陷的能力。
[0016]本专利技术还提供一种高铁接触网开口销缺陷的智能检测系统，其用于实施上文所述的高铁接触网开口销缺陷的智能检测方法。
[0017]根据本专利技术提供的高铁接触网开口销缺陷的智能检测方法及系统，具有以下有益效果：（1）根据本专利技术提供的高铁接触网开口销缺陷的智能检测方法及系统，通过采用改进的dense模块复用特征数据，提高了识别的准确性，使得该方法及系统能够有效地识别出开口销缺陷。
[0018]（2）根据本专利技术提供的高铁接触网开本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高铁接触网开口销缺陷的智能检测方法，其特征在于，该方法包括以下步骤：步骤1，获取含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本组成的数据集，并按比例将该数据集划分为训练集和测试集；步骤2，使用Pytorch深度学习框架，搭建识别网络模型；步骤3，通过模型训练系统训练所述识别网络模型，通过模型测试系统测试训练后的识别网络模型，从而使得识别网络模型能够识别高铁接触网开口销缺陷；步骤4，调取实时的高铁接触网图像，截取出其中包含斜腕臂及其下方结构的子图像，通过识别网络模型进行识别并获得识别结果，进而抓取包含开口销缺陷的高铁接触网图像。2.根据权利要求1所述的高铁接触网开口销缺陷的智能检测方法，其特征在于，步骤1包括如下子步骤：子步骤1
‑
1，获取通过摄像机拍摄的多幅包含高铁接触网的高清图像，且该高清图像来自拍摄角度不同的至少两台摄像机；子步骤1
‑
2，将采集到的数据图像截取为子图像，所述子图像中仅保留原图像的斜腕臂及其下方结构；子步骤1
‑
3，将子图像分为含有高铁接触网开口销缺陷的样本和高铁接触网开口销正常的样本，并分别进行标记；子步骤1
‑
4，将标记后的样本按比例随机分为训练数据集和测试数据集，其中，在训练数据集中，高铁接触网开口销正常的样本和含有高铁接触网开口销缺陷的样本的比例为50:1；在测试数据集中，高铁接触网开口销正常的样本和含有高铁接触网开口销缺陷的样本的比例为100: 1。3.根据权利要求1所述的高铁接触网开口销缺陷的智能检测方法，其特征在于，在子步骤1
‑
3中，所述高铁接触网开口销缺陷包括开口销缺失、开口销缺掰开角度异常和开口销外观状态异常。4.根据权利要求1所述的高铁接触网开口销缺陷的智能检测方法，其特征在于，在步骤2中，所述识别网络模型依次包括卷积层、下采样层、交替排布层和分类层；其中，所述卷积层的卷积核大小为5x5，步距为2；所述下采样层为步距为2的最大池化下采样层；交替排布层是指9个dense模块和8个过渡层交替排布。5.根据权利要求4所述的高铁接触网开口销缺陷的智能检测方法，其特征在于，所述dense模块由多个dense层堆叠而成，优选地，所述9个dense模块包括dense模块一、dense模块二、dense模块三、dense模块、dense模块五、dense模块六、dense模块七、dense模块八和dense模块九；其中，所述dense模块一包括3层dense层；dense模块二包括4层den...

【专利技术属性】
技术研发人员：宋东海，李曌宇，李洪海，缪弼东，柴洪阳，朱海燕，霍文婷，王钊，张斌，张峰，刘亚光，焦伟峰，齐佳风，黎锋，闫亚楠，马进军，张玉平，高峰，饶洪伟，刘建丁，侯瑞，胡记绪，李超，刘浩，夏志远，郄燚明，胡佳宾，
申请(专利权)人：中国铁路沈阳局集团有限公司大连供电段，
类型：发明
国别省市：