一种高铁接触网支撑装置零部件识别检测方法 .pdf

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(10)申请公布号CN106919978A

(43)申请公布日2017.07.04

(21)申请号CN201710036589.4

(22)申请日2017.01.18

(71)申请人西南交通大学

地址610031四川省成都市二环路北一段111号西南交通大学科技处

(72)发明人刘志刚陈隽文刘文强钟俊平韩志伟

(74)专利代理机构成都信博专利代理有限责任公司

代理人刘凯

(51)Int.CI

G06N3/04

G06N3/08

权利要求说明书说明书幅图

(54)发明名称

一种高铁接触网支撑装置零部件识

别检测方法

(57)摘要

本发明公开一种高铁接触网支撑装

置零部件识别检测方法，建立高铁接触网

支撑装置图像的训练样本库，所述训练样

本库包括在图像中手工框出的作为检测目

标的各零部件的坐标信息，及所属类别；

搭建基于Faster‑RCNN算法的深度卷积神

经网络；将上述训练样本库中的训练样本

输入搭建好的Faster‑RCNN网络，完成模

型的训练；将待检测图像输入训练好的模

型中，得到高铁接触网支撑装置零部件的

识别检测结果。本发明通过候选区域的深

度卷积神经网络对待检测目标进行特征学

习和目标分类，大大减少人工识别高铁接

触网支持装置零部件故障的巨大工作量，

实现现场图像的自动分析，可对多种接触

网悬挂装置零部件进行识别分类，具有较

高的识别准确性。

法律状态

法律状态公告日法律状态信息法律状态

2022-01-04未缴年费专利权终止未缴年费专利权终止

2020-05-15授权授权

2017-07-28实质审查的生效实质审查的生效

2017-07-04公开公开

权利要求说明书

1.一种高铁接触网支撑装置零部件识别检测方法,其特征在于,包括以下步骤:

步骤A:建立高铁接触网支撑装置图像的训练样本库,所述训练样本库包括在图像中

标记出的原始包围框中各零部件所在的坐标信息,及其所属类别;

步骤B:搭建基于Faster-RCNN算法的深度卷积神经网络;

步骤C:将上述训练样本库中的训练样本输入搭建好的Faster-RCNN网络,采用多任

务损失函数,通过计算目标分类和目标框的损失,完成模型的训练;

步骤D:将待检测图像输入训练好的模型中,得到高铁接触网支撑装置零部件的识别

检测结果。

2.根据权利要求1所述的高铁接触网支撑装置零部件识别检测方法,其特征在于,所

述步骤B中深度卷积神经网络采用ZF模型,有M个可共享的卷积层,搭建的具体步

骤包括:

B1:搭建候选区域网络:在第M个卷积层进行候选区域的提取,将第M个卷积层的特

征图作为候选区域网络的输入,在该卷积层的特征图映射上滑动小网络,映射到低维

向量上,每个滑动窗口产生m个anchor,在卷积层特征图中找到对应的位置,作为候选

区域网络;

B2:提取ROI区域:采用候选区域网络的输出层作为ROI生成网络的输入,缩放输入

候选区域的尺度得到图像金字塔,对于每个尺度的每个ROI求取映射关系,在第M

个卷积层的特征图中裁剪出对应块,再用单层的ROI下采样层,归一化候选区域的大

小并输出;

B3:CNN分类识别:将得到的ROI输入CNN分类网络,经过两个全连接层和矫正激

活层,并通过丢弃部分网络参数的方法消除过拟合,得到最终的候选区域的目标分类

结果。

3.根据权利