面向复杂环境的接触网关键设备缺陷检测方案

作者：常占宁; 韦宝泉; 张一平

来源：电气化铁道, 2023, 34(S1): 109-113.

DOI：10.19587/j.cnki.1007-936x.2023z1.028

• 接触网设备
• 深度学习
• 缺陷检测

针对小样本及复杂环境下接触网关键设备缺陷检测难等问题，提出一种融合深度卷积神经网络和卡尔曼滤波的图像检测方案。采用MobileNet构建模型骨干网络，有效降低了计算成本；融合柔性非极大值抑制算法解决目标部件遮挡问题，并将上下文感知ROI池化层取代原始池化层，维护了小尺寸零部件的原始结构；最终通过卡尔曼滤波对检测结果进行修正，有效提高检测精度。实验结果表明：本文所述方法能够对复杂接触网设备实现零部件的精确检测，与相同条件下的其他检测算法相比综合性能最佳。

• 单位
  中国铁路兰州局集团有限公司; 华东交通大学