【技术实现步骤摘要】
本申请涉及深度学习，特别是涉及一种基于深度学习的接触网定位线夹螺母缺失精确识别装置和方法。
技术介绍
1、目前4c接触网定位线夹螺母缺失的识别方法有基于深度学习的方法、基于传统二维图像处理的方法。基于深度学习的方法主要是通过目标检测对定位线夹进行定位，通过图像分割和分类对螺母状态进行判断，该方法在对定位线夹进行检测时，由于线夹在图像中的像素区域占比较小，通常为整幅图像的万分之四左右，并且图像拍摄质量较差，导致模型对线夹的检测有较大的难度，而且通过图像分割判断螺母的状态过度依赖于分割的结果，容易造成较多的误报；基于传统二维图像处理的方法主要包括基于hough检测和通过lbp、hog特征配合机器学习算法的方式实现接触网定位线夹的定位与状态检测，这种方法需要人为设计和选择用于检测缺陷的图像特征，不具备通用性，难以适应复杂、变换多样的缺陷情况。
技术实现思路
1、鉴于此，本申请提供一种基于深度学习的接触网定位线夹螺母缺失精确识别装置和方法，准确识别接触网定位线夹螺母缺失的缺陷，有效判断接触网的安全
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定位线夹螺母缺失精确识别装置，其特征在于，包括边缘增强自适应特征提取模块、定位线夹定位模块、感兴趣区域提取模块、螺栓螺母区域多模态分割模块和螺母缺失判断模块；
2.根据权利要求1所述的基于深度学习的接触网定位线夹螺母缺失精确识别装置，其特征在于，所述边缘增强自适应特征提取模块包括多个边缘增强C2f结构、卷积层和空间金字塔池化层；边缘增强C2f结构和卷积层嵌套设置，空间金字塔池化层与多个边缘增强C2f结构中的一个边缘增强C2f结构连接；
3.根据权利要求2所述的基于深度学习的接触网定位线夹螺母缺失精确识别装置，其特征在...
【技术特征摘要】
1.一种基于深度学习的接触网定位线夹螺母缺失精确识别装置，其特征在于，包括边缘增强自适应特征提取模块、定位线夹定位模块、感兴趣区域提取模块、螺栓螺母区域多模态分割模块和螺母缺失判断模块；
2.根据权利要求1所述的基于深度学习的接触网定位线夹螺母缺失精确识别装置，其特征在于，所述边缘增强自适应特征提取模块包括多个边缘增强c2f结构、卷积层和空间金字塔池化层；边缘增强c2f结构和卷积层嵌套设置，空间金字塔池化层与多个边缘增强c2f结构中的一个边缘增强c2f结构连接；
3.根据权利要求2所述的基于深度学习的接触网定位线夹螺母缺失精确识别装置，其特征在于，各边缘增强c2f结构之间采用跳跃连接的方式进行连接，以加强各层特征的融合。
4.根据权利要求2或3所述的基于深度学习的接触网定位线夹螺母缺失精确识别装置，其特征在于，在边缘增强c2f结构中，在进行全局方向的卷积操作时，所有的卷积核参数均参与计算；在进行水平方向的卷积操作时，卷积核中间水平的参数被置为0，不参与计算；在进行垂直方向的卷积操作时，卷积核中间垂直的参数被置为0，不参与计算。
5.根据权利要求1所述的基于深度学习的接触网定位线夹螺母缺失精确识别装置，其特征在于，所述定位线夹定位模块采用pan-fan结构对来自所述边缘增强自适应特征提取模块的图像多层级边缘信息和多尺度语义信息进行融合，采用相关操作对融合后的信息进行预测，以获取定位线夹区域的定位信息，相关操作包括卷积、反卷积和平均池化。
6.根据权利要求1所述的基于深度学习的接触网定位线夹螺母缺失精确识别装置，其特征在于，所述感兴趣区域提...
【专利技术属性】
技术研发人员：罗健，占栋，杨果，于龙，张金鑫，宋小兵，邓洪，陈伟，张煜，王华，卓建洪，夏煜基，朱禹昭，关刘杰，邢连忠，伏震，余颢，
申请(专利权)人：成都唐源电气股份有限公司，
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。