摘要
针对高速列车受电弓在经过支架桥洞的复杂环境下检测效率低的问题,文中提出一种复杂环境下弓网接触位置动态监测方法.为了得到原始训练数据集,对受电弓视频采用帧间差抓取.利用深度学习网络PSPNet对图片语义分割出接触线和受电弓,并以此构成具有更明显的弓网接触点的特征数据集.为了得到相对坐标,运用改进的YOLOv4进行训练和检测.结果表明,该方法能有效地在每一帧图像中精确标记出受电弓与接触网的接触点位置,并能够在列车通过支柱架以及桥梁的情况下对受电弓的运动状态进行捕捉并输出相对坐标位置,从而达到对受电弓的监测目的,其精度可达96.8％.
维普
万方数据