一种基于深度学习的接触网硬点检测方法技术

本发明专利技术属于计算机技术领域，公开了一种基于深度学习的接触网硬点检测方法，包括以下步骤：将相机安装在列车车顶标定好的位置，通过安装好的相机采集列车行驶中的弓网图像；将采集到的弓网图像进行预处理；将预处理后的图像输入预先训练好的深度学习网络，检测输入图像之间的变化，通过检测出的存在差异的前后帧图像计算出受电弓的位移数据，通过受电弓的位移数据确定接触网硬点。本发明专利技术所提供的一种基于深度学习的接触网硬点检测方法，采用非接触式检测，安全隐患小，维护成本低；网络整体轻量化，算力要求降低，整套设备的成本降低，与现有的接触网硬点检测方法相比，有更高的准确率和更强的鲁棒性。

【技术实现步骤摘要】

本专利技术属于计算机，具体涉及一种基于深度学习的接触网硬点检测方法。

技术介绍

1、目前现有技术方案采用多种方式实现接触网硬点的检测，大体可分为接触式和非接触式，接触式检测预先在受电弓上安装传感器，在受电弓与硬点接触时产生碰撞时通过传感器记录数据，从而检测硬点位置；非接触式检测利用相机拍摄弓网图片，经过后续处理后达成硬点检测目标。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：接触式检测方法需要在受电弓上安装传感器，增加了一定的安全隐患；非接触式检测精度较低，无法直接检测到硬点信息；设备安装难度大，维护成本高；设备性能要求高。

技术实现思路

1、本专利技术旨在至少在一定程度上解决上述技术问题。为此，本专利技术目的在于提供一种基于深度学习的接触网硬点检测方法。

2、本专利技术所采用的技术方案为：

3、一种基于深度学习的接触网硬点检测方法，包括以下步骤：

4、将相机安装在列车车顶标定好的位置，通过安装好的相机采集列车行驶中的弓网图像；将采集到的弓网图像进行预处本文档来自技高网...

【技术保护点】

1.一种基于深度学习的接触网硬点检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的接触网硬点检测方法，其特征在于：所述深度学习网络以UNet网络为基础，引入空洞卷积模块、卷积注意力机制模块和多尺度融合机制模块。

3.根据权利要求1所述的接触网硬点检测方法，其特征在于：所述受电弓的位移数据包括位移距离，位移距离大于或者等于设定值时确定为接触网硬点。

4.根据权利要求1所述的接触网硬点检测方法，其特征在于：所述弓网图像的预处理包括分割、裁剪和去模糊。

5.根据权利要求1-4任一所述的接触网硬点检测方法，其特征在于，还包括：通过受电弓...

【技术特征摘要】

1.一种基于深度学习的接触网硬点检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的接触网硬点检测方法，其特征在于：所述深度学习网络以unet网络为基础，引入空洞卷积模块、卷积注意力机制模块和多尺度融合机制模块。

3.根据权利要求1所述的接触网硬点检测方法，其特征在于：所述受电弓的位移数据包括位移距离，位移距离大于或者等于设定值时确定为接触网硬点。

4.根据权利要求1所述的接触网硬点检测方法，其特征在于：所述弓网图像的预处理包括分割、裁剪和...

【专利技术属性】
技术研发人员：蒋薇，王楠，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：