原文传递
高铁接触网鸟巢检测方法研究及实现
| 论文题名： | 高铁接触网鸟巢检测方法研究及实现 |
| 关键词： | 高速铁路;接触网;鸟巢检测;目标识别;深度学习 |
| 摘要： | 截止到2020年底，中国铁路运营总里程达到了14.6万公里。在春秋季节，大量的鸟把巢筑在高铁接触网上，高铁接触网电压约27.5kV，鸟巢树枝受潮后会引起接触网短路，给列车运行带来风险。目前，铁路供电段检测鸟巢的主要方法是人工查看C2摄像机录制的巡检视频，但是这样会耗费大量人力，且效率低。鸟巢检测的难点在于树枝细小、在图像中占的像素少、特征不明显、与线路混淆难以识别等。本文针对巡检视频设计了一种基于深度学习的鸟巢检测方法，并开发了检测系统。 首先，对铁路部门提供的列车巡检视频取帧分析，针对图像中背景繁杂，雾、霾、光照不足和接触网支柱发生倾斜等问题进行了详细的研究，对采集到的问题图像进行去雾和倾斜矫正的预处理。 其次，对接触网支柱区域进行识别。本文利用改进的YOLO-v4算法对接触网支柱区域进行识别与提取，在重新聚类锚框的基础上，增强了小物体在深层神经网络中的特征信息，提高了对于小物体目标的识别准确率，同时优化了识别时间。 再次，设计了改进的StyleGANs网络识别鸟巢，生成不同背景下的高分辨率图像，在鉴别器中加入分类器，对接触网支柱图像提取详细的样本特征进行有无鸟巢的分类学习，同时对生成图像的质量和多样性进行评价。在测试集上测试鉴别器模型的分类效果，对结果进行了分析，并从模型召回率的角度进行评估，本文算法的召回率达到96.5%。 最后，研究并开发了一套鸟巢检测系统，将本文的算法进行集成，与支柱编号的识别结合。实现了针对视频的分析取帧、接触网图像的预处理、接触网支柱的提取和鸟巢识别等功能。 |
| 作者： | 刘若愚 |
| 专业： | 交通运输工程 |
| 导师： | 张绍阳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
