基于深度卷积神经网络的铁路接触网鸟窝检测方法研究 |
| |
引用本文: | 贺德强,江洲,陈基永,杨严杰,姚晓阳.基于深度卷积神经网络的铁路接触网鸟窝检测方法研究[J].机车电传动,2019(4):126-130. |
| |
作者姓名: | 贺德强 江洲 陈基永 杨严杰 姚晓阳 |
| |
作者单位: | 广西大学机械工程学院,广西南宁,530004;中车株洲电力机车研究所有限公司,湖南株洲,412001 |
| |
基金项目: | 国家自然科学基金;广西壮族自治区科技攻关计划;广西自然科学基金重点项目 |
| |
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。
|
关 键 词: | 深度学习 Faster R-CNN 接触网 鸟窝检测 卷积神经网络 |
Research on Detection of Bird Nests in Overhead Catenary Based on Deep Convolutional Neural Network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|