屈志坚，高天姿，池 瑞，杨 行

（华东交通大学电气与自动化工程学院，江西 南昌 330013）

接触网是电气化铁路的动力输电网络， 接触网稳定的工作状况与铁路安全稳定运行密切相关[1-2]。 鸟类在接触网上筑巢已不罕见，若不及时发现并处理鸟巢， 容易引起输电线路跳闸或绝缘子击穿等， 对铁路运输安全稳定运行造成严重威胁[3]。传统检测识别鸟巢的方式是人工检测法[4]，即采用人工对车载视频进行标记， 该方法费时费力且效率较低。

近几年，随着计算机图像技术的发展，利用图像处理技术对拍摄的车载视频进行自动检测，能提高接触网故障检测的效率。 祝振敏等[5]针对鸟巢的结构特性， 对接触网上疑似鸟巢区域进行粗提取，得到鸟巢可能存在的关键区域， 再利用HOG 特征和分类器训练对鸟巢进行精确提取。 金炜东等[6]分析鸟类筑巢特点，针对杆塔的中上部、图片中最前景的硬横梁结构，提出一种基于相对位置不变性的接触网鸟巢识别检测。 罗婷婷等[7]通过分析发现接触网图像中正常数据与异常数据样本数量存在严重的不平衡，针对鸟巢的检测问题，提出利用双判别器生成对抗网络来解决鸟巢样本数据不平衡问题。 上述方法均能够检测到接触网上的鸟巢，但存在如对于遮挡问题性能不太稳定；或在鸟巢检测前需要设定阈值；阈值的选择影响鸟巢的检测结果等问题。近年来，以卷积神经网络为基础的深度学习目标检测算法主要分为一阶段检测和二阶段检测[8-9]。……