【技术实现步骤摘要】
一种接触网紧固件异常检测方法、设备、检测装置及存储介质
本专利技术属于工程图像异常检测
,特别涉及一种接触网紧固件异常检测方法、设备、检测装置及存储介质。
技术介绍
安全作为铁路运营的前提条件,是铁路运营维护工作的重中之重。接触网是对电力机车提供动力的关键设备,接触网的持续工作保障了高铁列车的高速运行。接触网零部件长期露天工作,风吹日晒,容易发生故障,威胁行车安全。铁路部门非常重视接触网巡检工作,专门设立接触网检测部门,用4C系统定期采集接触网的高分辨率图像,安排大量人力通过电脑屏幕浏览所采集的图像,以检查接触网部件是否发生破损、裂纹、断裂、松动和缺失等异常。人工分析检测效率低,劳动强度大,还容易发生漏检现象。随着人工智能的发展,运用深度学习的方法进行接触网零部件的异常检测成为可能,已有一些研究人员通过采集接触网部件的异常图像,构建深度网络模型。虽然接触网部件异常时有发生,但就一种部件来说,异常图像的数量还是不够多,复杂背景下的高铁接触网部件故障数据不足,特征表达困难,这样训练的检测模型精度难以满足工程使用要求。
技术实现思路
本专利技术的目的在于提供一种接触网紧固件异常检测方法、设备、检测装置及存储介质,解决复杂背景下的高铁接触网部件故障数据不足,特征表达困难问题。本专利技术是通过以下技术方案来实现:一种接触网紧固件异常检测方法,包括以下步骤:S1、将采集到的接触网紧固件图像的正常样本和异常样本划分为接触网紧固件训练集和测试集;训练集由正常样本组成,测试集由 ...
【技术保护点】
1.一种接触网紧固件异常检测方法,其特征在于,包括以下步骤:/nS1、将采集到的接触网紧固件图像的正常样本和异常样本划分为接触网紧固件训练集和测试集;训练集由正常样本组成,测试集由正常样本和异常样本组成;/nS2、基于嵌套残差编码-解码网络对训练集进行训练,得到异常检测模型;/nS3、基于测试集对异常检测模型进行测试,通过距离度量模型计算异常评分;/nS4、根据异常评分判断待检测接触网紧固件图像的样本是否异常。/n
【技术特征摘要】
1.一种接触网紧固件异常检测方法,其特征在于,包括以下步骤:
S1、将采集到的接触网紧固件图像的正常样本和异常样本划分为接触网紧固件训练集和测试集;训练集由正常样本组成,测试集由正常样本和异常样本组成;
S2、基于嵌套残差编码-解码网络对训练集进行训练,得到异常检测模型;
S3、基于测试集对异常检测模型进行测试,通过距离度量模型计算异常评分;
S4、根据异常评分判断待检测接触网紧固件图像的样本是否异常。
2.根据权利要求1所述的一种接触网紧固件异常检测方法,其特征在于,步骤S1中,按照训练集和测试集样本数量为3:1的比例构建待检测接触网紧固件数据集;
测试集中,正常样本和异常样本数量比例为1:1。
3.根据权利要求1所述的一种接触网紧固件异常检测方法,其特征在于,步骤S2中,异常检测模型包括生成器网络和判别器网络,生成器网络由两个加入残差连接的编码-解码网络嵌套构成,训练过程具体为:
S201、初始化生成器网络和判别器网络参数,将训练集作为真实图像xreal输入生成器网络G,输出重构图像xfake;
S202、将重构图像xfake和真实图像xreal共同输入判别器网络D,判别器网络D预测给定输入的类别,鉴别真实图像xreal以及重构图像xfake,同时判别器网络作为特征提取网络,获得真实图像xreal和重构图像xfake的高维语义特征向量f(xreal)和f(xfake);
S203、设置epoch,对于每一个epoch交替迭代对抗训练生成器网络和判别器网络,在对抗训练时利用目标函数进行优化参数;
S204、交替迭代对抗训练生成器网络和判别器网络的过程中,网络参数不断更新,对于每一个epoch保存生成器网络和判别器网络参数,选择最优结果作为异常检测模型参数。
4.根据权利要求3所述的一种接触网紧固件异常检测方法,其特征在于,S201具体为:
首先,编码网络GE读入真实图像xreal,产生深层语义特征图z=(z1,z2)=GE(xreal),获取原始图像的语义特征;
然后,解码网络GD的内外层分支分别对两种不同尺度的语义特征图z1和z2进行解码,处于内层的解码分支使用密集的跳过连接对外层解码分支进行特征融合;
最终,由外层分支最后一层输出与真实图像xreal尺寸相同的重构图像xfake=GD(z)=G(xreal)。
5.根据权利要求3所述的一种接触网紧固件异常检测方法,其特征在于,S203具...
【专利技术属性】
技术研发人员:靖稳峰,魏田田,郭启帆,
申请(专利权)人:西安交通大学,中国第一勘察设计院集团有限公司,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。