基于改进Faster R-CNN的铁路接触网绝缘子识别

作者：杜晓亮; 姜香菊

来源：兰州交通大学学报, 2021, 40(06): 62-68.

• 接触网绝缘子
• Faster R-CNN
• 特征融合
• 高斯降权

针对传统铁路接触网绝缘子识别方法准确率低、时间周期长和多尺度目标识别效果差等问题,提出一种改进Faster R-CNN的铁路接触网绝缘子识别算法.首先,对传统Faster R-CNN算法的特征提取网络进行改进,通过将主干网络中深层特征图像与浅层特征图像进行融合的方式获得语义信息度强、分辨率高的特征图像,解决多尺度识别的问题;然后,对传统非极大值抑制算法采用高斯降权函数进行优化,提高绝缘子识别召回率和准确率.仿真实验结果表明,改进Faster R-CNN算法对于绝缘子的识别精度达到了99.5%,召回率96.02%,较于原始Faster R-CNN算法分别上升了2.78%、3.04%.对铁路接触网绝缘子图像中不同尺度的目标可以有效识别,具有更高的准确率和召回率,为后续铁路接触网绝缘子故障检测提供了良好基础.

• 单位
  兰州交通大学