【技术实现步骤摘要】
detection using the cascaded convolutional neural networks》一文中提出的级联卷积神经网络在两个阶段都是使用Faster R
‑
CNN模型,并没有根据每一阶段的零部件特点选择定位效果最好的模型,且该方法只能检测紧固件的缺失这一种状态。另外,Faster R
‑
CNN的速度很慢,导致检测时间较长。
技术实现思路
[0008]本专利技术的目的在于,提供一种采用四级级联架构的接触网紧固件故障检测方法,其可以实现多种紧固件的故障检测,摆脱了对数据集的依赖,避免了使用深度学习方法产生过拟合、泛化性差等缺陷。
[0009]为实现上述目的,本申请提出一种采用四级级联架构的接触网紧固件故障检测方法,包括:
[0010]图像预处理阶段,使用SCI图像增强算法对低光照接触网图像进行亮度增强;
[0011]零部件定位阶段,采用TPH
‑
YOLOv5算法对增强后接触网图像中的零部件进行定位;
[0012]紧固件定位阶段,使用改进的R
‑
FCN算法对依附在零部件上的紧固件定位识别,改进的R
‑
FCN算法包括回归损失函数改进、锚框改进、采用多尺度训练和在线硬样本挖掘策略;
[0013]故障检测阶段,先使用边缘检测算法中的自适应canny算子对紧固件的边缘进行检测,得到边缘特征图,再使用霍夫变换算法对不同状态紧固件的边缘特征图检测,获取紧固件正常、脱落、缺失状态下线、圆等形状特征值,从而实 ...
【技术保护点】
【技术特征摘要】
1.一种采用四级级联架构的接触网紧固件故障检测方法,其特征在于,包括:图像预处理阶段,使用SCI图像增强算法对低光照接触网图像进行亮度增强;零部件定位阶段,采用TPH
‑
YOLOv5算法对增强后接触网图像中的零部件进行定位;紧固件定位阶段,使用改进的R
‑
FCN算法对依附在零部件上的紧固件定位识别,改进的R
‑
FCN算法包括回归损失函数改进、锚框改进、采用多尺度训练和在线硬样本挖掘策略;故障检测阶段,先使用边缘检测算法中的自适应canny算子对紧固件的边缘进行检测,得到边缘特征图,再使用霍夫变换算法对不同状态紧固件的边缘特征图检测,获取紧固件正常、脱落、缺失状态下线、圆形状特征值,从而实现对多种紧固件的故障判断。2.根据权利要求1所述一种采用四级级联架构的接触网紧固件故障检测方法,其特征在于,使用SCI图像增强算法对低光照接触网图像进行亮度增强,具体为:根据Retinex理论,存在一个低光图像与同场景正常清晰图像的对应,即其中y表示低光图像,z表示正常清晰图像,x表示照明分量;低光增强目的就是对照明分量x进行建模;SCI通过引入带有权重θ的映射H
θ
建立一种赋权的渐进视角实现对照明分量x的建模:其中,u
t
和x
t
分别代表第t阶段(t=0,
…
,T
‑
1,T为阶段总数)的残余项和照度;映射H
θ
使用权重共享机制,在每一次更新中使用相同的H架构和权重θ。3.根据权利要求1所述一种采用四级级联架构的接触网紧固件故障检测方法,其特征在于,所述TPH
‑
YOLOv5算法使用CSPDarknet53作为骨干网络,使用PANet作为neck部分,输出部分包括四个检测头,分别用于微小、小、中、大物体的检测,采用卷积注意力模块CBAM沿着通道维度和空间维度依次生成注意力图。4.根据权利要求1所述一种采用四级级联架构的接触网紧固件故障检测方法,其特征在于,改进的R
‑
FCN算法主干网络为残差网络ResNet
‑
101,从残差网络ResNet
‑
101输出的特征图中,区域候选网络根据锚生成一系列感兴趣区域ROI,这些感兴趣区域ROI被输入到位置敏感的...
【专利技术属性】
技术研发人员:邹启杰,石潇月,高兵,王世杰,郭文娟,曹杰,
申请(专利权)人:大连大学,
类型:发明
国别省市:
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。