基于深度卷积神经网络的铁路接触网鸟窝检测方法研究

• 作者: 姚晓阳 杨严杰 江洲 贺德强 陈基永
• 来源期刊: 机车电传动
• 学科: 交通运输
• 关键词: 深度学习 Faster R-CNN 接触网 鸟窝检测 卷积神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 试验检测
• 页码范围: 126-130
• 页数: 5页
• 分类号: U225|TP391.9
• 语种: 中文
• DOI: 10.13890/j.issn.1000-128x.2019.04.027

摘要

鸟类在铁路接触网筑巢一直是造成接触网故障的一个重要原因,目前主要依靠人工巡检的方式确定是否存在鸟窝,不仅工作量大、漏检率高,而且效率低.因此提升接触网鸟窝的检测效率,及时排除隐患,对保障铁路安全运营具有重要的意义.针对此问题,提出了一种基于深度卷积神经网络的Faster R-CNN模型用于接触网鸟窝的自动识别.通过自定义合适的网络结构和参数,经过预训练、RPN网络训练、Fast R-CNN网络训练以及对RPN和Fast R-CNN的联合训练,建立了适合鸟窝检测的Faster R-CNN模型,实现对鸟窝的检测.经试验,Faster R-CNN的准确率为88.5％,每张图片的识别速度为79 ms,通过与传统的HOG方法、DPM方法和卷积神经网络方法进行比较,验证了深度卷积神经网络对铁路接触网鸟窝检测高效性.