基于多尺度深度学习的接触网吊弦异常检测及应用

提出一种基于多尺度深度学习的接触网吊弦异常检测算法,并研究其在受电弓打弓预判中的应用。该算法由深度神经网络提取图像特征,根据特征图确定吊弦图像感兴趣区域并得到候选框,再对候选框进行分类和回归,确定吊弦状态并得到吊弦位置。通过吊弦的松、脱、断等异常状态,进一步预判是否会出现受电弓打弓,从而及时给出预警。通过实际应用验证,该算法可有效对吊弦异常状态进行检测,可提前预判打弓隐患。

一种基于吊弦异常检测的打弓缺陷预判算法

吊弦故障对弓网系统影响重大,甚至引发弓网事故,造成行车中断。本文提出一种基于吊弦异常检测的打弓预判算法,首先确定吊弦图像感兴趣区域,然后对该区域进行路径搜索与分析并确定吊弦状态。通过对吊弦异常状态的检测,预判打弓缺陷,提前消除安全隐患,确保行车及设备安全。