基于EfficientDet与Vision Transformer的接触网吊弦故障检测

针对传统检测方法在铁路接触网吊弦故障状态检测中存在识别率低，识别速度慢的问题，提出一种基于轻量型网络EfficientDet与Vision Transformer网络相结合的接触网吊弦状态检测算法。该算法包括目标定位和分类检测2个部分，利用改进EfficientDet进行吊弦定位，将定位出的吊弦送入改进Vision Transformer网络进行故障类别检测。首先，使用空洞卷积替代EfficientDet网络中第2层和第3层的普通卷积，以扩大感受野，并用CBAM代替原网络中的SE注意力机制，汇聚吊弦的高层语义信息，使得改进后的EfficientDet能有效定位出接触网中尺寸占比较小的吊弦；其次，为减少参数量并保留较大范围的特征相关性，应用4个3×3的小卷积替代Vision Transformer中Embedding的16×16的卷积层，以深度提取浅层与深层特征之间的联系，同时对比当Num-head取值不同时，分析注意力机制对空间信息的影响，以确定吊弦故障分类检测的最优模型；最后分别与定位网络YOLOv3,Faster R-CNN和分类网络AlexNet,VGG16进行对比分析，吊弦定位...