[发明专利]一种高铁接触网供电设备螺栓松动自动检测方法

说明书

一种高铁接触网供电设备螺栓松动自动检测方法，针对现有高铁接触网中各种供电设备螺栓松动多样性，而参考拧紧状态检测需要对螺栓位置先判断，过程繁琐，本发明利用基于深度学习的特征识别模型，集合自编码网络的稀疏表达向量分类实现对外观异常设备的准确检测。

技术领域

本发明公开一种高铁接触网螺栓松动自动检测方法，属于图像识别设备缺陷的技术领域。

背景技术

近些年来，我国铁路运输高速持续发展，动车和高铁在国民经济发展中起着不可替代的作用。随着我国高铁的全面开通，高铁线路巡检显得尤其重要。传统的高铁线路设备巡检工作，依靠固定位置的摄像头定点拍摄照片，再传回至地面，由工作人员通过对视频图像分析判断设备缺陷。随着海量检测数据的生成，只靠工作人员人眼识别势必造成大量强度较高的重复性劳动，以及视觉疲劳造成的识别率下降和漏检率上升，因此急需采用一种方法，既能高于人眼的识别率，又能长时间保持一个效率，极大降低误检率，实践证明使用基于深度学习的特征识别模型是一个很好的选择。

现有的螺栓松动方法基于拧紧的螺栓标记为参考标记，通过计算当前螺栓角度与参考螺栓角度差来判断螺栓是否松动。此方法只对固定位置的螺栓图片检测有效，而高压线路巡检中有多处螺栓，需要先对螺栓位置进行判别在进行松动检测，增加了设备异常检测的繁琐。因此在本技术领域中，怎样对高铁接触网中各种供电设备螺栓松动准确检测，成为较为棘手的技术问题。

发明内容

针对现有技术的不足，本发明公开一种高铁接触网供电设备螺栓松动自动检测方法。

本发明的技术方案如下：

一种高铁接触网供电设备螺栓松动自动检测方法，其特征在于，包括：

1)建立数据样本库：

首先，采集高铁用电系统中的摄像机拍摄照片，通过人工标记出螺栓区域图像位置信息、螺栓松动状态及对应关系，形成训练数据；

优选的，所述螺栓区域图像位置信息包括：螺栓坐标位置信息[x,y]及螺栓图像区域框宽度和高度[w,h]；

优选的，所述螺栓松动状态包括：螺栓正常未松动时，用0表示；螺栓松动时，用1表示；形成训练数据；

2)训练两个深度卷积神经网络：

其中一个是：目标检测深度卷积神经网络Faster-RCNN，用于从步骤1)中的照片得到螺栓区域检测模型该检测模型选用基本的训练流程即可；

另一个是：采用一个自编码器结构的网络架构，将自编码器输出的稀疏表达向量与全连接层相连以实现螺栓松动状态分类，用于将步骤1)中的得到的螺栓区域图像进行重构和分类；

3)开始测试：

实时采集被测高铁用电系统中的设备定位器底座图像X，并将其导入步骤2)中的检测模型中，得到螺栓区域在图中所处位置坐标[Xmin,Ymin,Xmax,Ymax]；

对本步骤中的所述螺栓区域Y进行提取，步骤为：

Y＝X[Xmin:Xmax,Ymin:Ymax]；

4)对设备区域进行设备外观异常检测，通过将裁剪得到的螺栓区域Y放到步骤2)中的自编码网络及全连接层中，得到螺栓松动状态分类结果。

根据本发明优选的，所述高铁接触网供电设备螺栓松动自动检测方法还包括标签制作流程：人工标记出螺栓区域图像位置信息、螺栓松动状态表示。

根据本发明优选的，所述自编码器的编码器包括4个卷积块，其特征层个数分别为[32,64,128,256]，每个卷积块由2个卷积层组成；

其计算公式为：