摘要
铁路接触网绝缘子状态检测对铁路行车安全有着重大的意义,为解决目前人工对绝缘子图像检测结果的不确定性,提出一种深度学习结合灰度纹理特征的检测方法.首先使用Faster R-CNN(faster region-based convolutional neural network)目标检测算法对图像中绝缘子精确识别,再通过灰度共生矩阵对绝缘子纹理特征进行分析提取,之后结合支持向量机将绝缘子分为正常绝缘子和异常绝缘子,实验数据结果证明使用能量、熵、相关度3种纹理特征进行绝缘子状态分类时对实验数据中的正常状态绝缘子的分类精度可达100％,异常状态绝缘子的分类精度达97.5％,最后依据绝缘子图像灰度分布的周期性特点,利用灰度积分投影将异常绝缘子分为破损绝缘子和夹杂异物绝缘子.实验结果表明所提方法可以有效对绝缘子状态进行检测分类.
NETL
NSTL
维普
万方数据