基于深度学习的接触网吊弦线夹状态识别

• 作者: 梅小云 顾桂梅 陈充 张存俊
• 来源期刊: 兰州交通大学学报
• 学科: 交通运输
• 关键词: 接触网吊弦线夹 状态分类 深度学习 特征金字塔 K-means SENet注意力机制 Inception-ResNet-V2网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 电子、信息与计算机|Electronics,Information and Computer
• 页码范围: 61-67
• 页数: 7页
• 分类号: U226.8
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4373.2022.01.009

摘要

针对人工检查接触网吊弦线夹缺陷耗时耗力且效率低下的问题,提出利用深度学习实现吊弦线夹状态分类的方法.首先利用加入特征金字塔和K-means算法改进的Faster R-CNN算法准确地定位到吊弦线夹,然后采用加入SENet注意力机制模块的Inception-ResNet-V2网络对接触网吊弦线夹螺母的缺失、松脱、正常三种状态进行高效准确的自动分类,达到计算机辅助检查的效果.仿真实验结果表明:该方法对吊弦线夹三种状态的分类准确率较高,平均准确率达到了 96.61％,并具有高精度、易泛化的特点,为接触网零部件的缺陷检测任务奠定了必要的基础.