公开(公告)号：CN110569841B

公开(公告)日：2022-09-16

申请号：CN201910821943.3

申请日：2019-09-02

Applicant: 中南大学

Inventor： 王春生 ,  黄展鹏 ,  刘子建 ,  李陈勉

IPC: G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的接触网关键部件的目标检测方法，通过接触网悬挂状态检测监测装置(4C)所拍摄到的图像建立样本库，该样本库中的图像数据分别经过数据增强、人工标注两个步骤完成建立。搭建基于YOLOv3模型的深度卷积神经网络，并将上述样本库中的训练样本送入YOLOv3模型中训练，训练好的模型将用于接触网关键部件的目标检测与定位。本发明通过使用目标检测算法，结合接触网悬挂状态检测监测装置(4C)系统，可以实现高速铁路接触网的关键部件的快速检测和分类，减少人工查图的工作量。该方法具有处理速度快、泛化能力强、精度高、抗干扰能力强等优点，一定程度上节省人力物力，从而提高检测的效率。

公开(公告)号：CN110569841A

公开(公告)日：2019-12-13

申请号：CN201910821943.3

申请日：2019-09-02

Applicant: 中南大学

Inventor： 王春生 ,  黄展鹏 ,  刘子建 ,  李陈勉

IPC: G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的接触网关键部件的目标检测方法，通过接触网悬挂状态检测监测装置(4C)所拍摄到的图像建立样本库，该样本库中的图像数据分别经过数据增强、人工标注两个步骤完成建立。搭建基于YOLOv3模型的深度卷积神经网络，并将上述样本库中的训练样本送入YOLOv3模型中训练，训练好的模型将用于接触网关键部件的目标检测与定位。本发明通过使用目标检测算法，结合接触网悬挂状态检测监测装置(4C)系统，可以实现高速铁路接触网的关键部件的快速检测和分类，减少人工查图的工作量。该方法具有处理速度快、泛化能力强、精度高、抗干扰能力强等优点，一定程度上节省人力物力，从而提高检测的效率。