高铁接触网异物侵入的机器视觉检测方法

摘要：

接触网是沿铁路线上空架设的为电力机车供电的输电线路,接触网上附着的鸟巢等异物将对列车运行造成安全隐患.目前主要是通过人工检查的方式对接触网异物进行检测并清除,这种方式不仅成本高,效率低,往往不能及时排除安全隐患.为了对接触网异物进行及时有效的检测,同时降低人力成本,针对高铁运行环境的固定结构化特征,综合运用计算机视觉、深度学习等技术对铁路入侵异物进行实时检测.首先基于LSD直线段检测算法获取鸟巢可能出现的感兴趣区域;其次利用YOLOv3网络在ImageNet上进行训练得到一个预训练权重,并使用人工标注的数据集继续训练网络直到网络收敛;最后使用训练好的网络对感兴趣区域存在的鸟巢进行检测.实验结果表明,最终得到的平均检测精度为0.89,平均检测速度为38 f/s,可以实现对异物目标的准确实时检测.

关键词：异物入侵检测、高铁接触网、直线检测、深度学习、YOLOv3

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：中国社会科学院大学校级科研项目000719114;2019年北京市大学生科学研究与创业行动计划项目201914596001

在线出版日期：2019-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：250-257