[发明专利]基于级联Faster R-CNN的高铁接触网等电位线不良状态检测方法

权利要求书

1.一种基于级联Faster R-CNN的高铁接触网等电位线不良状态检测方法，其特征在于，包括以下步骤：

步骤1：采用专用综合列检车对高速铁路接触网支撑及悬挂装置进行成像；将上行和下行的高清图像分别存储在两个图像库中；

步骤2：对采集的图像进行筛选，建立关于高铁接触网等电位线的样本库；样本库里包括对检测目标所在位置的坐标记录、及标记目标所属的类别；

步骤3：搭建基于Faster-RCNN算法的深度卷积神经网络，得到基于深度卷积神经网络的第一模型，用于识别等电位线部件；

步骤4：搭建基于Faster-RCNN算法的深度卷积神经网络，得到基于深度卷积神经网络的第二模型，用于在定位到的等电位线部件识别散股故障；

步骤5：将待检测图像输入训练的第一模型，提取接触网支持装置图像中的等电位线零部件；

步骤6：将提取得到的等点位线零部件图像输入第训练的二模型，识别散股故障。

2.如权利要求1所述的基于级联Faster R-CNN的高铁接触网等电位线不良状态检测方法，其特征在于，在步骤2中，将样本库设为标准的VOC2007格式。

3.如权利要求1所述的基于级联Faster R-CNN的高铁接触网等电位线不良状态检测方法，其特征在于，在步骤6中，散股故障类型包括：正常、轻微散股或严重散股。

4.如权利要求1所述的基于级联Faster R-CNN的高铁接触网等电位线不良状态检测方法，其特征在于，用基于Faster-RCNN算法的深度卷积神经网络来训练模型具体包括以下步骤：1)对整张图片输进CNN，得到卷积特征图；2)卷积特征输入到区域建议网络，得到候选框的特征信息；3)对候选框中提取出的特征，使用分类器判别是否属于一个特定类；4)对于属于某一特征的候选框，用回归器进一步调整其位置，生成分类器模型。