基于知识模型的接触网缺陷智能视觉辨识

随着我国高铁的开通里程增加、运营强度加大,在运维天窗期有限的条件下利用车载视频对接触网关键设施的服役状态开展常态化智能巡检是亟待解决的重要需求问题。文章以C3系统研制过程为依托,梳理了接触网视频巡检任务的全场景、高透视、微目标、弱异变和少样本的特殊性,指出了专家知识和典型案例对数据模型的强化作用,并以吊弦为例,以吊弦故障样本完备性、缺陷识别准确性和数据筛选高速性为研究对象,提出了一种基于知识模型的接触网缺陷智能视觉辨识方法。该方法基于专家经验和典型案例进行吊弦缺陷数值无偏仿真,基于多尺度视觉注意力进行吊弦微小目标异常识别并基于森林参数进行状态快速筛选。现场实验数据表明,采用文中所提的视觉辨识方法识别接触网故障,至少可提升3%识别精度。