一种铁路宜能空间的智能识别方法技术

本发明专利技术公开了一种铁路宜能空间智能识别方法，采用人工智能的方法，构建

【技术实现步骤摘要】
一种铁路宜能空间的智能识别方法


[0001]本专利技术属于铁路电力系统领域，涉及铁路的清洁能源场景中，尤其涉及一种铁路宜能空间智能识别方法
。

技术介绍

[0002]现有研究中有研究光伏发电为中国铁路系统供电的潜力，分析了中国的地理条件和铁路布局，并在此基础上提出了铁路系统能源转型的应用
。
但是现有的研究对于铁路线路的空间可利用范围只是进行了简单的设定，实际的铁路路线场景中包含着复杂的情况，如城镇，桥梁，隧道等，现有的方法并不能适用复杂铁路路段的实际场景，在实际应用中会产生较大的误差
。
[0003]专利技术目的
[0004]本专利技术的目的即在于解决现有技术中所存在的难题，提供一种铁路宜能空间智能识别方法，具体是基于遥感图像语义分割技术智能识别铁路沿线的精细场景，通过铁路遥感图像得到精确的铁路宜能空间场景信息，促进可再生能源在铁路交通系统的有效利用
。

技术实现思路

[0005]本专利技术提供了一种铁路宜能空间智能识别方法，包括以下步骤：
[0006]步骤...

【技术保护点】

【技术特征摘要】
1.
一种铁路宜能空间智能识别方法，其特征在于，包括以下步骤：步骤
1、
构建改进的高分辨率神经网络模型
HRNetV2
，具体是在高分辨率网络
HRNetV
基础上改进的一种用于图像识别和人体姿态估计的深度神经网络架构；所述高分辨率网络
HRNetV
的分类网络包含了4个并行的分支，每个分支从高分辨率到低分辨率逐渐下采样，随着分支的增加，每个分支的通道数都会扩大为原来的2倍；所述
HRNet
网络结构包含4个阶段，第一个阶段是初始阶段，包含4个残差单元，每个残差单元由一个3×3卷积和两个1×1卷积组成，其中，1×1卷积用于改变特征图的通道数，3×3卷积用于提取特征；第
2、3、4
个阶段分别包含
2、3、4
个交换块，用于实现多尺度特征的融合，每个交换块由4个残差单元组成，通过上采样低层级特征
、
下采样高层级特征以及融合同层级特征图来实现；交换块的作用是在不同分辨率的特征图之间进行交换和融合，以促进多尺度特征的传递和整合；所述改进的高分辨率神经网络模型
HRNetV2
是在
HRNetV1
最后一个阶段先将低分辨率特征图进行上采样，然后再将所有特征图进行连接，从而允许模型同时保持高分辨率的细节特征和全局语义信息；步骤
2、
引入自注意力
SE
模块和多尺度一致性正则化
MCR
模块，构建
MSCR
‑
HRNetV2
网络模型，该
MSCR
‑
HRNetV2
网络的骨干网络和编码器均采用
HRNetV2
；其中，将自注意力
SE
模块融合到
HRNetV2
模型中的方式是在每次残差单元求和之前，在不同尺度网络结构的骨干网络中添加了一个自注意力
SE
模块；所述自注意力
SE
模块是一种用于增强深度神经网络的特征表示能力的注意力机制，通过使用
Squeeze
操作和
Excitation
操作对特征通道进行自适应重新校准，从而增强特征表达能力；所述
Squeeze
操作通过在特征图的空间维度上使用全局平均池化提取分类目标的全局信息，所述
Ex...

【专利技术属性】
技术研发人员：李龙恺，杨淇，滕婧，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：