基于4C图像弱监督检测的接触网开口销检测方法

接触网悬挂状态检测监测装置(4C检测装置)的应用有效指导了接触网设备的维修,提高了铁路行车安全性。除了传统的人工检测,目前大量的开口销图像依靠全监督视觉方法检测,且开口销在图像中占比较小,因此数据标注过程所需人力成本较大。本文提出基于弱监督的4C图像开口销检测方法,旨在仅对训练数据进行图像级标注即可完成目标检测任务,达到完善接触网开口销检测手段、提升检测效率及智能水平的目的。

基于深度学习的高铁接触网旋转双耳开口销钉缺失故障检测

针对高速铁路接触网支撑装置中旋转双耳开口销钉缺失故障检测的问题,提出一种基于深度卷积神经网络和集成学习的故障检测方法。通过Faster R-CNN网络对旋转双耳整体进行精确定位;在整体定位结果的基础上,进一步完成对开口销钉的精确定位,最大程度上降低背景对故障检测的干扰;通过多个深度卷积神经网络提取开口销钉图像的多种特征,最终由多个线性SVM构成的集成分类器实现开口销钉缺失故障检测。实验结果表明:本方法能在复杂的接触网支撑装置图像中实现旋转双耳开口销钉的精确定位,并且在销钉的缺失故障检测中表现出较高的可靠性。

基于深度学习的输电线路开口销缺失集成网络识别方法

螺栓开口销作为输电线路杆塔结构的重要部件,开口销的存在对维护输电线路杆塔结构稳定至关重要。螺栓开口销在户外容易存在光照不均、易被其他部件遮挡、螺栓金具锈蚀变形等问题。针对此问题,文章提出一种基于小样本数据量分块训练技术、基于改进优化的注意力机制网络和YOLOv5卷积神经网络相结合的方法进行开口销检测。通过实验对比,该开口销检测方法具有较高的识别准确率,研究成果在高压输电线路金具缺陷检测识别管理领域具有实际应用价值。