基于三级级联架构的接触网定位管开口销缺陷检测

论文摘要

针对高铁接触网定位管开口销在列车长期运行振动中容易松脱并且松脱样本数量匮乏的问题,本文提出一种基于深度卷积生成对抗网络(DCGAN),扩充缺陷样本集后,再训练卷积神经网络(CNN)检测开口销缺陷的三级级联架构。该架构首先采用中心点法提取训练需要的相同规格开口销图像。然后通过改进的DCGAN生成模拟缺陷样本,并搭建轻量级CNN网络对生成的模拟缺陷样本进行筛选。最后将添加了模拟缺陷样本的扩充缺陷样本集与正样本集输入优化后的VGG16卷积神经网络中,以训练分类模型,检测开口销缺陷。实验结果表明,本文所提方法检测接触网定位管开口销缺陷的准确率高达99%。

论文目录

• 0 引 言
• 1 相关理论分析
•   1.1 Faster R-CNN目标检测算法
•   1.2 深度卷积生成对抗网络
•   1.3 VGG16卷积神经网络
• 2 缺陷检测的三级级联架构
•   2.1 开口销的定位提取
•     1)基于Faster R-CNN的开口销定位
•     2)基于中心点法的开口销提取
•   2.2 开口销缺陷样本集扩充
•     1)基于改进DCGAN的模拟缺陷样本生成
•     2)基于轻量级CNN的模拟缺陷样本筛选
•   2.3 基于优化VGG16的开口销缺陷检测模型
• 3 实验结果与分析
•   3.1 开口销样本集搭建
•   3.2 开口销缺陷样本集的扩充实验
•     1)改进DCGAN生成模拟缺陷样本的训练过程
•     2)轻量级CNN的训练及筛选效果
•   3.3 优化VGG16缺陷检测模型的训练
•   3.4 三级级联缺陷检测模型的评估
• 4 结 论

文章来源

类型: 期刊论文

作者: 王昕钰,王倩,程敦诚,吴福庆

关键词: 接触网检测,深度卷积生成对抗网络,开口销缺陷,图像生成,卷积神经网络

来源: 仪器仪表学报 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 铁路运输,计算机软件及计算机应用

单位: 西南交通大学电气工程学院

基金: 中国铁路总公司智能牵引供电系统大数据应用技术项目(2016J010-E)资助

分类号: U226.8;TP391.41

DOI: 10.19650/j.cnki.cjsi.J1905573

页码: 74-83

总页数: 10

文件大小: 5887K

下载量: 103