10.3969/j.issn.1001-4632.2020.05.14
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
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％.
高速铁路、2阶级联、卷积神经网络、接触网、缺陷识别、紧固件、目标检测
41
U226.8(电气化铁路)
国家重点研发计划;中国国家铁路集团有限公司科技研究开发计划
2020-11-12（万方平台首次上网日期，不代表论文的发表时间）
共12页
115-126
