接触网零部件状态描述标准词典研究

王小兵，杨志鹏，顾子晨，盛 良，逯昊舒

0 引言

随着检测技术的发展，视频图像类检测在接触网检测中发挥越来越重要的作用，通过对接触网支撑装置、定位装置、附加悬挂等重要接触网设备进行高精度、高密度图像拍摄，分析图像信息，发掘接触网设备状态，及时发现安全隐患并指导设备状态维护，确保接触网系统安全稳定运行。当前接触网视频图像智能识别技术仍处于发展阶段，对于海量图像，多采用人工判读方式发现缺陷，存在工作量大、耗时长、时效性差等问题。

通过大量的图像信息进行算法训练和测试是智能识别算法的必要技术途径，接触网零部件数量众多，命名不规范和缺陷描述信息不统一，不利于开展智能识别算法的深入研究。因此，开展接触网零部件状态描述标准词典研究是一项具有重要现实意义和研究价值的课题。

1 国内外研究进展

视频图像智能识别算法的不断发展，以及深度神经网络和卷积神经网络等机器学习算法的不断出现，极大提升了图像识别结果的准确性。国内外均在开展相关技术的研究，如Mermec 公司开发的检测系统能够检测支持装置上零部件的变形、缺失和断裂等缺陷；西南交通大学采用级联深度神经网络，可以快速准确报告紧固件的各种故障[1]；文献[2]采用图像识别算法，以接触网悬挂状态及缺陷为对象，阐述了图像识别技术在高速铁路基础设施检测方面的应用；国家电网研发基于深度学习技术的输电线路巡检图像智能分析云服务系统，针对直升机、无人机、机器人等发回的巡检图像，实现了对复杂环境中多种电力监控目标及其位移、状态的识别，并发布了输变电设备缺陷用语规范、缺陷分类标准等。……