[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

摘要

本发明公开了一种基于级联Faster R‑CNN的高铁接触网等电位线不良状态检测方法，包括以下步骤：在等电位线定位识别过程中，通过第一级Faster R‑CNN对等电位线所在的定位器支座进行定位；在一级对象定位的基础上利用第二级Faster R‑CNN学习等电位线散股故障特征，实现正常与故障等电位线的分类；通过实验分析了Faster R‑CNN在不同训练样本数量、迭代次数等因素对检测时间及识别效果的影响，通过统计分析，确定了故障判断阈值，作为等电位线是否发生散股故障的判据。本发明减少了其它因素影响，提高等电位线故障检测准确性。

主权项

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。