基于FCOS和ResNet50-FL的吊弦不受力识别方法

摘要：

由受电弓长期运行引起的激励和振动不可避免地导致吊弦不受力,影响接触悬挂的结构高度和接触线高度,导致受电弓的受流质量下降.针对接触网吊弦不受力缺陷问题,提出一种基于深度学习的吊弦不受力识别方法,该方法采用全卷积一阶段目标检测器(FCOS)定位吊弦区域,采用添加焦点损失的ResNet50分类网络(ResNet50-FL)对吊弦不受力状态进行识别.在高速铁路接触网图像数据集上的对比实验表明,该方法能够更加准确地识别出吊弦不受力缺陷,具有较好的适应性和鲁棒性.

关键词：缺陷识别;吊弦不受力;全卷积一阶段目标检测器;焦点损失

所属期刊栏目：43

分类号：U225.4(电气化铁路)

资助基金：国家电网公司总部科技项目5200-201919048A-0-0-00

在线出版日期：2021-11-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：36-42