基于深度卷积神经网络的铁路接触网鸟窝检测方法研究

贺德强; 江洲; 陈基永; 杨严杰; 姚晓阳

首页> 中文期刊> 《机车电传动》 >基于深度卷积神经网络的铁路接触网鸟窝检测方法研究

基于深度卷积神经网络的铁路接触网鸟窝检测方法研究

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

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。

著录项

来源
《机车电传动》 |2019年第4期|126-130|共5页
作者
贺德强; 江洲; 陈基永; 杨严杰; 姚晓阳;
展开▼
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;

展开▼
原文格式 PDF
正文语种 chi
中图分类接触网;计算机仿真;
关键词
深度学习; Faster; R-CNN; 接触网; 鸟窝检测; 卷积神经网络;

相似文献

中文文献
外文文献
专利

1. 基于DSSD的接触网鸟窝识别检测研究 [J] . 周俊 ,陈剑云 . 华东交通大学学报 . 2019,第6期
2. 试论高铁接触网鸟窝检测识别方法 [J] . 武斯全 ,田震 ,廖开沅 . 中国设备工程 . 2021,第16期
3. 基于卷积神经网络的接触网绝缘子缺陷检测方法 [J] . 王彬 ,王宝丽 . 城市轨道交通研究 . 2020,第12期
4. 基于集成策略的接触网区域鸟窝智能识别方法 [J] . 刘鹏 . 电气化铁道 . 2022,第1期
5. 基于改进深度卷积神经网络的车辆检测方法研究 [J] . 严友 . 汽车电器 . 2022,第1期
6. 基于深度卷积神经网络的红外过采样扫描图像点目标检测方法 [C] . Liankgui Lin ,林两魁 ,Shaoyou Wang . 第四届高分辨率对地观测学术年会 . 2017
7. 基于深度学习的铁路接触网开口销状态检测方法研究 [A] . 吴涛 . 2019

基于深度卷积神经网络的铁路接触网鸟窝检测方法研究

摘要

著录项

相似文献

相关主题

期刊订阅