基于深度学习的接触网顶紧螺栓状态智能检测

摘要：

高速铁路接触网支撑装置顶紧螺栓在列车长期运行中会产生松脱和脱落等不良状态,针对其缺陷样本不足、状态变化特征粒度差别小不易判定等问题,提出SSD512和U-net8两种深度学习算法.并基于SSD512定位算法和U-net8语义分割模型的设计,实现顶紧螺栓状态的智能检测.通过SSD512实现了顶紧螺栓区域的定位和截取;通过U-net8将顶紧螺栓图片中薄螺母、螺杆等语义信息进行不同颜色的标记;通过语义图片的判定,实现对顶紧螺栓的状态检测.通过在顶紧螺栓的定位、顶紧螺栓的语义分割两个数据集上进行训练、验证,结果表明:所提的顶紧螺栓状态智能检测方法能准确定位接触网中的顶紧螺栓;实现顶紧螺栓的状态检测,综合准确率达到95.75％.

关键词：接触网检测;顶紧螺栓状态;目标检测;语义分割;图像识别

所属期刊栏目：43

分类号：U225(电气化铁路)

资助基金：中国铁路总公司科技研究开发计划2016J010-E

在线出版日期：2021-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：52-60