一种基于F-YOLO7的高铁接触网零部件目标检测方法技术

本发明专利技术公开了一种基于F

【技术实现步骤摘要】
一种基于F
‑
YOLO7的高铁接触网零部件目标检测方法


[0001]本专利技术涉及零部件检测
，具体涉及一种基于F
‑
YOLO7的高铁接触网零部件目标检测方法。

技术介绍

[0002]接触网作为高铁的牵引供电系统，是影响行车安全的重中之重。基于传统图像处理技术的接触网部件检测需人工设计大量提取特征，存在效率低、普适性差等问题，无法满足高铁的实际检测精度和速度需求。随着深度学习和计算机视觉的快速发展，基于深度学习的目标检测技术准确度高、检测速度快、鲁棒性强、适用于大型数据集，将深度学习引入接触网的零部件检测中，已成为一种主流发展趋势。
[0003]对接触网部件进行精准的目标检测，实现关键部件的识别与定位是后续故障排除的前提，也是一项具有挑战性的任务。由于接触网图像中待检测的部件大小不一、结构复杂且背景干扰因素多，现有深度学习部件检测方法普遍存在以下问题：(1)检测种类单一，难以满足高铁的实际需求；(2)对于一些面积占比小的部件，识别精度低甚至发生漏检。(3)算法的抗遮挡能力差，难以识别被遮挡部件。
[0004]中国专利文献CN104318582B公开的基于传统图像处理技术与改进RANSAC算法结合的双耳部件定位法；虽改善了模板匹配的误匹配问题，但需要人工设计匹配模板。在高铁接触网的实际检测需求中，要同时检测多个部件，人工设计多个不同的模板会导致工作量大,效率低，时间成本高。
[0005]中国专利文献CN110569841B公开的基于卷积神经网络的接触网关键部件的目标检测方法；检测的部件主要有平腕臂绝缘子、斜腕臂绝缘子、腕臂上底座、腕臂下底座和定位器线夹套管双耳等，部分部件面积占比较小，该方法将图像大小由6600
×
4400统一调整至448
×
448像素，进一步导致小部件的特征信息丢失，没有考虑到小部件检测困难的问题。
[0006]中国专利文献CN 115272700A公开的基于多尺度特征自增强的改进SSD小目标检测方法；其使用的多尺度辅助特征提取模块(MAFE)补充了特征层的细粒度信息，并捕获了局部和全局上下文信息，但过度关注于层间特征交互而忽略了层内特征表示，对于需要检测角落区域的密集任务不友好。
[0007]中国专利文献CN103047968B公开的基于激光投射检测接触网悬挂部件位置的方法，虽简单快捷、无需训练算法，但铁路场景复杂且各有不同的干扰因素，尤其隧道内部更易受到光线影响，导致反射光线强度低。对于需要多场景检测的接触网数据集，鲁棒性不高、稳定性不足。

技术实现思路

[0008]本专利技术的目的在于，提供一种基于F
‑
YOLO7的高铁接触网零部件目标检测方法，该方法识别度高、推理速度快、泛化能力强、普适性高，可以满足高铁接触网检测的精度和速度需求。
[0009]为实现上述目的，本申请提出一种基于F
‑
YOLO7的高铁接触网零部件目标检测方法，包括：根据接触网部件特点，通过添加噪声、几何变换、图像增强方式扩充数据集；基于F
‑
YOLOv7算法进行接触网部件识别与定位。
[0010]进一步的，所述噪声为椒盐噪声和/或高斯噪声。
[0011]进一步的，所述几何变换包括裁剪、旋转、缩放、移位。
[0012]进一步的，所述图像增强方式为：CutMix将当前图像以一定概率丢弃一块区域的像素，再用另一张图像进行填充。
[0013]进一步的，基于F
‑
YOLOv7算法进行接触网部件识别与定位，包括采用K
‑
Means聚类算法设计锚框尺寸，具体为：
[0014]S1.加载数据集，计算偏移量，获取Anchor的长宽作为输入；
[0015]S2.初始化聚类中心，随机选取9个Bbox作为初始簇中心；
[0016]S3.使用IOU交并比作为指标，得到当前Bbox到每个簇中心的IOU距离，然后将样本划分到离它最近的簇中；
[0017]S4.计算所分配到的簇的所有样本均值，更新簇的中心；
[0018]S5.重复迭代S3
‑
S4，直至簇中心不再发生变化或者变化小到满足终止条件。
[0019]更进一步的，基于F
‑
YOLOv7算法进行接触网部件识别与定位，包括使用EVC模块增强特征信息表达，具体为：EVC模块由轻量级多层感知器MLP与可学习的视觉中心机制LVC并行组成；所述轻量级多层感知器MLP用来捕获全局远程依赖关系，表达式如式(1)所示；可学习的视觉中心机制LVC用来捕获图像的局部角落区域，表达式如式(2)所示；
[0020][0021]其中，X
in
为输入特征，为X
in
经过MLP中的深度卷积层处理后的输出特征；CMLP为基于通道的MLP模块，GN为组归一化操作，即将通道方向分成组，在每组内执行归一化操作。
[0022][0023]其中，Z指获取局部角落区域特征的过程，为信道相加操作。
[0024]更进一步的，基于F
‑
YOLOv7算法进行接触网部件识别与定位，包括引入ECA注意力机制捕获跨通道交互信息，具体为：先使用全局平均池化对输入特征图进行空间特征压缩；再使用动态1
×
1卷积进行通道特征学习；最后与原始特征图进行逐通道相乘，输出具有通道注意力的特征图。
[0025]更进一步的，所述动态卷积使用的自适应函数和卷积核大小如式(3)和式(4)所示：
[0026]C＝φ(k)＝2
(γ*k
‑
b)
ꢀꢀꢀꢀ
(3)
[0027][0028]其中，C为通道维度，k为卷积核大小，odd表示k的取值要为奇数，γ、b用于改变通道维度C和卷积核大小k之间的比例。
[0029]更进一步的，基于F
‑
YOLOv7算法进行接触网部件识别与定位，包括使用DIoU_NMS
改善重叠目标的检测性能，具体为：DIoU_NMS在考虑到IOU因素的情况下，还考虑到了两个框中心点之间的距离因素，使推理结果更加合理和有效；其公式如下：
[0030][0031][0032]其中，s
i
为分类置信度，M为得分最高的预测框，B
i
为候选框，ε为NMS阈值；ρ代表是两点间的欧氏距离，b代表预测框的中心点，b
gt
代表真实框的中心点，c代表的是同时包含预测框和真实框的最小闭包区域的对角线距离。
[0033]本专利技术采用的以上技术方案，与现有技术相比，具有的优点是：(1)引入EVC模块，捕获全局远程依赖关系，有效提取图像的局部角落区域信息，提高网络对小部件以及遮挡部件的特征提取能力。
[0034](2)在目标检测的推理阶段，将NMS修改为DIoU_NMS，综合考虑IOU和中心点距离两大因素，改善对重叠目标的检测性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于F
‑
YOLO7的高铁接触网零部件目标检测方法，其特征在于，包括：根据接触网部件特点，通过添加噪声、几何变换、图像增强方式扩充数据集；基于F
‑
YOLOv7算法进行接触网部件识别与定位。2.根据权利要求1所述一种基于F
‑
YOLO7的高铁接触网零部件目标检测方法，其特征在于，所述噪声为椒盐噪声和/或高斯噪声。3.根据权利要求1所述一种基于F
‑
YOLO7的高铁接触网零部件目标检测方法，其特征在于，所述几何变换包括裁剪、旋转、缩放、移位。4.根据权利要求1所述一种基于F
‑
YOLO7的高铁接触网零部件目标检测方法，其特征在于，所述图像增强方式为：CutMix将当前图像以一定概率丢弃一块区域的像素，再用另一张图像进行填充。5.根据权利要求1所述一种基于F
‑
YOLO7的高铁接触网零部件目标检测方法，其特征在于，基于F
‑
YOLOv7算法进行接触网部件识别与定位，包括采用K
‑
Means聚类算法设计锚框尺寸，具体为：S1.加载数据集，计算偏移量，获取Anchor的长宽作为输入；S2.初始化聚类中心，随机选取9个Bbox作为初始簇中心；S3.使用IOU交并比作为指标，得到当前Bbox到每个簇中心的IOU距离，然后将样本划分到离它最近的簇中；S4.计算所分配到的簇的所有样本均值，更新簇的中心；S5.重复迭代S3
‑
S4，直至簇中心不再发生变化或者变化小到满足终止条件。6.根据权利要求1所述一种基于F
‑
YOLO7的高铁接触网零部件目标检测方法，其特征在于，基于F
‑
YOLOv7算法进行接触网部件识别与定位，包括使用EVC模块增强特征信息表达，具体为：EVC模块由轻量级多层感知器MLP与可学习的视觉中心机制LVC并行组成；所述轻量级多层感知器MLP用来捕获全局远程依赖关系，表达式如式(1)所示；可学习的视觉中心机制LVC用来捕获图像的局部角落区域，表达...

【专利技术属性】
技术研发人员：邹启杰，郭文娟，高兵，刘雯赫，石潇月，曹杰，王世杰，
申请(专利权)人：大连大学，
类型：发明
国别省市：