基于改进Faster R-CNN的铁路接触网绝缘子识别

杜晓亮，姜香菊

(兰州交通大学 自动化与电气工程学院，兰州 730070)

铁路接触网绝缘子作为接触网的重要组成部分，起到电气绝缘和接触网支撑作用，其性能状态对铁路安全运营有较大的影响.由于长期处在复杂的室外环境并受到列车运行时的高速冲击，绝缘子会出现破损、脏污、老化等故障，造成接触网接地、绝缘子放电等安全隐患.因此，对绝缘子的表面状态检测是保障行车安全的重要环节.目前，我国铁路系统采用人工看图的方式对4C系统采集的接触网图像进行排查[1].该方法耗时长，错检和漏检率高，自动化水平低.为提高检测效率和准确度，学者将图像处理技术引入绝缘子缺陷检测研究当中.

对绝缘子缺陷检测的前提是绝缘子的精准识别.近几年来，对于绝缘子的识别定位，国内外学者做了大量研究.文献[2]基于Harri角点与图像差分实现绝缘子的抗旋转匹配和故障检测；文献[3]通过Canny边缘特征与SURF(speeded up robust features)点特征对绝缘子边缘进行提取，实现接触网绝缘子的智能识别；文献[4]采用自动重建法利用点云数据实现绝缘子的三维重建；文献[5]利用接触网绝缘子图像的多样性分布，提出了一种基于轮廓波变换和Chan-Vese模型的高速铁路棒形绝缘子检测与识别方法；文献[6]以接触网支架为参照，将绝缘子识别转换为支架的识别，最后通过绝缘子与支架之间的相对位置定位绝缘子.这几种方法虽然实现简单，但定位结果仍受到目标形态、光照、背景的影响，普适性差.随着深度学习在图像处理领域的兴起，卷积神经网络算法被大量应用在了目标检测任务中.文献[7]利用K-means++算法和YOLOv3构建了一种对航拍绝缘子定位的轻量级网络；……