铁路绝缘子夜间目标识别检测方法与流程

本发明涉及铁路接触网绝缘子检测，具体涉及一种铁路绝缘子夜间目标识别检测方法。

背景技术：

1、铁路接触网绝缘子是保证铁路运输安全的关键部件，其主要作用是在接触网和地面之间绝缘电力，以确保电流正常流动。由于接触网和绝缘子所处环境复杂，如气候变化、污染等因素的影响，导致绝缘子易受损、老化，影响电力传输，甚至会造成事故。因此，如何有效地检测铁路接触网绝缘子，成为铁路运输和维护领域的重要课题之一。

2、目前，各铁路局接触网绝缘子检测技术主要为手动检测，手动检测依靠工作人员目视检查，存在效率低、人力成本高，难以满足大规模绝缘子的检测需求。因此，开展绝缘子自动检测技术的研究具有重要的现实意义和深远的发展前景。

3、视觉检测是利用计算机视觉技术，实现对铁路接触网绝缘子的自动检测，具有效率高、准确性高等优点。传统的视觉检测算法基于图像的颜色和纹理，往往需要大量的人工干预，对于复杂背景和光照不均匀等环境因素，尤其是夜间低照度条件下，容易出现漏检和误检等问题，检测精度较低；需要人工选取特征并进行手工设计，耗费时间和人力，难以适应不同型号、不同形态、不同材质的绝缘子，需要不断进行参数调整和算法优化。因此，需要提出新的绝缘子目标识别检测方法，提高绝缘子目标识别检测尤其是夜间目标识别检测的精度。

技术实现思路

1、本发明的目的是提供一种铁路绝缘子夜间目标识别检测方法，以解决目前绝缘子目标识别检测方法尤其是夜间目标识别检测存在的精度较低的问题。

2、为了达到上述目的，本发明所采用的技术方案为：

3、铁路绝缘子夜间目标识别检测方法，所述方法包括：

4、获取铁路接触网绝缘子图像，得到训练集；

5、对训练集的铁路接触网绝缘子图像进行扩充，得到扩充后的训练集；

6、建立yolov5改进模型，设计sreg模块；

7、将扩充后的训练集输入yolov5改进模型进行训练，得到铁路接触网绝缘子夜间巡检目标检测模型；

8、获取待检测的铁路接触网绝缘子图像，输入铁路接触网绝缘子夜间巡检目标检测模型进行检测。

9、进一步地，获取铁路接触网绝缘子图像，得到训练集，包括：

10、利用铁路接触网4c系统获取铁路接触网绝缘子图像；

11、调整铁路接触网绝缘子图像的像素大小；

12、从中选取部分铁路接触网绝缘子图像，组成训练集；

13、将训练集的铁路接触网绝缘子图像标注为pascal voc格式。

14、进一步地，对训练集的铁路接触网绝缘子图像进行扩充，得到扩充后的训练集，包括：

15、对训练集的铁路接触网绝缘子图像进行处理，包括旋转、翻转、裁剪、扭曲；

16、将处理后的铁路接触网绝缘子图像补充到训练集，得到扩充后的训练集。

17、进一步地，建立yolov5改进模型，设计sreg模块，包括：

18、yolov5改进模型包括input、sreg模块、主干网络、特征融合部分、检测部分；

19、主干网络包括conv卷积模块、改进的c3模块、sppf模块；

20、特征融合部分包括上采样模块和下采样模块；

21、检测部分包括卷积层。

22、进一步地，sreg模块由编码和解码组成；

23、编码部分包括2个级联卷积递归层regu，用于将输入图像转换为多个尺度的特征图；

24、解码部分由3个卷积层组成，用于学习特征映射解码回图像；

25、初始输入图像，通过sreg模块的编码和解码运算，递归生成、时刻的2个中间伪暴露图像、，令低光输入图像即初始输入图像逐步生成伪曝光图像。

26、进一步地，主干网络包括多个改进的c3模块。

27、进一步地，改进的c3模块的残差部分为riconv++；

28、图像在改进的c3模块中被分成两个分支，左路分支通过卷积和残差结构进行特征提取，右路分支经过卷积操作保持输入图像不变，两路concat进行特征融合。

29、进一步地，获取待检测的铁路接触网绝缘子图像，输入铁路接触网绝缘子夜间巡检目标检测模型进行检测，包括：

30、通过sreg模块获取两重伪曝光图像；

31、在主干网络中进行绝缘子特征提取；

32、在特征融合部分通过上采样和下采样进行多尺度特征融合；

33、在检测部分进行多尺度目标检测，分别计算位置、分类和置信度损失，对每个检测框进行回归，生成边界框的位置和类别信息。

34、进一步地，所述方法还包括检测后进行预测，包括：

35、采用非极大值抑制对检测框进行筛选，保留得分大于0.5的且iou大于0.8的候选框，作为最终的候选框，即预测框。

36、进一步地，所述方法还包括对检测有效性进行验证，包括：

37、搭建实验平台；

38、设置初始学习率和批处理大小，模型训练采用优化矩形框损失函数、分类损失函数、置信度损失函数，使得预测结果更接近于真实值；

39、矩形框损失函数用于计算预测框与真实框之间的误差，分类损失函数用于计算锚框与对应的标定类别是否一致，置信度损失函数用于计算预测目标的置信度；

40、总损失函数为：

41、；

42、其中：

43、分别为矩形框损失、分类损失、置信度损失的权重；

44、矩形框损失函数为：

45、；

46、；

47、；

48、；

49、其中：

50、为交并比；

51、为和的中心点距离，是预测框 是真实框；

52、为预测框的中心点；

53、为真实框的中心点；

54、为包含预测框和真实框的最小矩形对角线长度；

55、影响因子为权重参数；

56、影响因子用于衡量宽高比相似度；

57、和分别为绝缘子真实框的宽和高；

58、和分别为模型预测的宽和高；

59、分类损失函数和置信度损失函数为二元交叉熵函数：

60、；

61、其中：

62、为输入样本对应的标签；

63、为模型预测该输入样本为正样本的概率。

64、与现有技术相比，本发明的有益效果如下：

65、本发明对传统的yolo（you only look once）v5模型进行了改进，通过采用循环曝光生成思想解决非均匀暗度问题，设计了sreg模块，用于改善图像表面光照明暗不均的问题；在主干网络中的残差组件中融入旋转不变卷积，更好地提取绝缘子不同方向的纹理特征。

66、通过在测试集上进行试验表明，本发明改进后的yolov5模型，能适应不同方向纹理的绝缘子识别，在遮挡情况下的识别效果性能良好，识别的ap（average precision，平均精度）达到99.3%，f1-score（f1 分数，又称平衡f分数，balanced f score）为98.9 %，可实现铁路接触网4c系统下夜间铁路接触网绝缘子的有效检测，网络对绝缘子纹理方向的变化旋转具有较好的适应性，为后续的铁路接触网绝缘子目标检测打好基础。