一种结合神经网络和深度学习算法的吊弦缺陷检测方法技术

本发明专利技术公开一种结合神经网络和深度学习算法的吊弦缺陷检测方法。首先，使用所设计的级联滤波器对有轨故障检测车辆上安装的4C装置抓拍到的吊弦图像进行预处理以保证边缘特征清晰可靠；其次，使用ResNet101卷积神经网络对Faster R‑CNN算法进行改进并采用改进后的Faster R‑CNN算法对吊弦进行定位并识别出明显松弛吊弦和断裂吊弦；最后，使用SENet卷积神经网络对Inception ResNet‑V2进行改进，完成对吊弦线夹螺母状态的分类。本发明专利技术的显著效果在于能够准确检测故障状态下的吊弦和线夹螺母的情况，提升了接触网悬挂状态检测监测系统(4C)的准确性，为高速铁路的安全运行提供了有效保障。

【技术实现步骤摘要】

本专利技术属于接触网，特别是涉及一种卷积神经网络和深度学习算法的高速铁路接触网吊弦及其线夹螺母缺陷状态检测方法。

技术介绍

1、我国铁路运输行业蓬勃发展，如今已经稳坐世界第一的位置；高速铁路经过十余年的发展，更是已经走向世界，成为我国的一张靓丽的明信片。高速铁路有着速度快、安全、运力强等特点已经成为了很多人出行的首要选择，故高速铁路对安全运行的要求极高。接触网作为高速铁路供电系统的重要组成部分，其安全稳定运行对保证高速铁路安全运输具有重大意义。由于接触网长期暴露在露天环境下，其零部件很容易产生破损、缺失等缺陷，因此对接触网零部件的状态进行监测和维护是非常重要的，6c系统应用而生。吊弦和线夹螺母是高速铁路接触网中的重要组成部分，吊弦支撑导线，确保在不同地形下保持合适高度；线夹螺母连接导线与承力索，固定导线，确保其在列车运行中牢固悬挂，受环境因素影响，吊弦容易出现断裂、松弛、断丝等缺陷，吊弦线夹螺母缺失和松脱等异常情况，为机车的安全稳定运行埋下隐患。因此对吊弦及其线夹螺母的缺陷状态进行有效的识别非常有必要的，快速、准确的识别有利于完成对设备的及时修理。

本文档来自技高网...

【技术保护点】

1.一种结合神经网络和深度学习算法的吊弦缺陷检测方法，其特征在于，包括步骤：

2.根据权利要求1所述的一种结合神经网络和深度学习算法的吊弦缺陷检测方法，其特征在于，进行巡检的接触网作业车在车顶配备有必要的拍摄设备，包括：(1)全景记录相机(2)支持装置整体抓拍相机(3)接触悬挂部位抓拍相机(4)附加悬挂装置抓拍相机(5)杆号抓拍相机，车顶还配备LED补充光源。

【技术特征摘要】

1.一种结合神经网络和深度学习算法的吊弦缺陷检测方法，其特征在于，包括步骤：

2.根据权利要求1所述的一种结合神经网络和深度学习算法的吊弦缺陷检测方法，其特征在于，进行巡检的接...

【专利技术属性】
技术研发人员：郭晓宇，杨建明，曾晓红，李向东，李奇，钟健，郑殷，孙高峰，来振栋，李敏，王相，柴正均，赵志刚，
申请(专利权)人：江苏新绿能科技有限公司，
类型：发明
国别省市：