基于Libra R-CNN方法的高铁接触网腕臂管帽检测

• 作者: 冯林佳 李星驰 王振宇 顾亮
• 来源期刊: 新技术新工艺
• 学科: 交通运输
• 关键词: 高铁接触网 腕臂管帽 缺陷检测 Libra R-CNN 注意力机制 迁移学习
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 质量与检测
• 页码范围: 72-76
• 页数: 5页
• 分类号: U266.3
• 语种: 中文

摘要

由于列车长期高速运行,接触网腕臂会发生管帽脱落的现象.没有管帽的保护,腕臂容易进入杂物,从而引起腕臂的锈蚀、结构失稳等问题,影响铁路的安全运行.目前,铁路局主要采用图像监测结合人工查看的方法检查管帽脱落与否.该方法不仅效率较低,而且工作量巨大.针对管帽对象较小、管帽样本不均衡和管帽数据集较小等问题,依据计算机视觉理论,使用基于目标检测模型的方法,并结合迁移学习技术,进行管帽脱落的识别,可以显著提高管帽脱落的检测效率.通过试验调整R-CNN架构的结构,选择合适的预训练模型,改变主干网络的训练模式,选择最优的检测模型.最终,结合COCO预训练模型的Libra R-CNN方法在测试集上取得最好的效果,mAP@0.7达到了98.2％,具有实际工程意义和应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王振宇		64	1111	16.0	32.0
2	李星驰		1	0	0.0	0.0
3	冯林佳		1	0	0.0	0.0
4	顾亮		1	0	0.0	0.0