基于2阶级联轻量级卷积神经网络的高铁接触网悬挂紧固件缺陷识别方法

发布时间：2024-10-30 22:23

　　 基于高铁接触网悬挂运行状态监测图像,分析监测图像与普通图像的区别;将紧固件缺陷检测问题转换为紧固件检测和运行状态精细识别2个过程,提出基于2阶级联卷积神经网络的紧固件缺陷识别方法。首先,设计紧固件检测网络,由轻量级特征提取网络、全局注意力模块及相互增强的分类器和检测器组成,实现目标紧固件实例的高效检测;然后,搭建1个包含4个卷积层、2个池化层、1个全连接层和1个输出层的多标签分类网络,完成紧固件运行状态的精细分类,实现缺陷识别。运用紧固体缺陷识别方法,对某高铁线路接触网状态监测图像数据进行试验分析,结果表明:2阶级联卷积神经网络的方法可以快速准确地检测紧固件的缺陷,紧固件定位平均检出率达98.2%,紧固件缺陷平均识别精度达95.8%,较单一检测网络提高约21.5%。

【文章页数】：12 页

【部分图文】：

图1巡检车及其成像装置套管单耳、套管双耳、定位环包含大量的紧固件，其物理结构和成像结构如图3所示。根据中国铁道标准，这些紧固件分为3类，分别是螺栓M12、螺母M12和螺栓销M12。紧固件在接触网装置中起固定作用，而受电弓与接触网装置之间存在复杂的力学作用，因长时间运行过程中的振....

套管单耳、套管双耳、定位环包含大量的紧固件，其物理结构和成像结构如图3所示。根据中国铁道标准，这些紧固件分为3类，分别是螺栓M12、螺母M12和螺栓销M12。紧固件在接触网装置中起固定作用，而受电弓与接触网装置之间存在复杂的力学作用，因长时间运行过程中的振动疲劳或施工缺陷，使紧固....

针对监测图像的特点，高铁接触网悬挂紧固件缺陷识别方法由紧固件检测和缺陷识别2个部分组成。首先从基于深度学习的目标检测算法主要组成部分（即特征提取网络、损失函数、检测器）出发，设计紧固件目标检测网络，对高铁接触网悬挂支持装置和定位装置中紧固件进行检测；然后，通过轻量级的运行状态分类....

在处理工程领域实际问题时，基于卷积神经网络的目标检测方法通常将ResNet[12]作为特征提取的主干网络。为了克服数据量少而产生过拟合的问题，主干网络首先在ImageNet数据集上训练得到网络的预训练权重，然后将去掉全连接层和softmax层的卷积网络作为目标检测框架中的特征....

本文编号：4008570