罗隆福，叶威，王健

基于深度学习的高铁接触网顶紧螺栓的缺陷检测

罗隆福，叶威，王健

(湖南大学 电气与信息工程学院，湖南 长沙 410012)

针对高铁接触网顶紧螺栓目标小、缺陷检测困难的问题，提出一种基于深度学习的顶紧螺栓缺陷检测方法。根据4C检测车拍摄的高铁接触网图片(大小为6 600*4 400 pixels)，首先对特征信息更多的斜撑套筒进行定位，采用TDM模块与SSD相结合的算法提升算法对小目标的检测精度，并通过改变默认框的尺寸以得到更好的检测精度和速度；然后利用DeepLab v3 plus算法对顶紧螺栓部分进行语义分割；最后提出一种阈值法对顶紧螺栓的缺陷情况进行判别。为满足实际工程的速度需求，对训练好的模型进行优化。实验结果表明：相较于经典的SSD，本文改进的SSD方法对斜撑套筒的定位精度和速度都有提升；对于6 600*4 400 pixels的原始样本，本文提出的顶紧螺栓缺陷检测方法精度上达到95.9%，速度达到17.9 fps。

顶紧螺栓；缺陷检测；SSD；TDM；语义分割

高铁接触网中的斜撑套筒是高铁接触网支撑装置的重要组成部件，对列车的运行以及弓网的正常供电起到了重要作用[1]。在雨雪等环境腐蚀作用以及列车长期运行时对接触网所产生的受力震动下，斜撑套筒的紧固件(顶紧螺栓)会出现松动或者脱落的情况，若不能及时的查找缺陷，将会影响高铁接触网的稳定运行。目前我国对于高铁接触网零部件的检测采取的主要方式是人工看图，这种方法检测效率较低且人为影响因素大。……