基于半监督CNN的接触网巡检图像异常检测

《基于半监督CNN的接触网巡检图像异常检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TP391.41密级：公开国际图书分类号：625.1西南交通大学研究生学位论文基于半监督CNN的接触网巡检图像异常检测年级二○一五姓名吴镜锋申请学位级别工学硕士专业控制科学与工程指导老师金炜东教授二○一八年四月ClassifiedIndex:TP391.41U.D.C:625.1SouthwestJiaotongUniversityMasterDegreeThesisCATENARYINSPECTIONIMAGEANOMALYDETECTIONBASEDONSEMISUPERVISEDCNNGrade:2015Candidate:WuJi

2、ngfengAcademicDegreeAppliedfor:MasterDegreeSpeciality:ControlScienceandEngineeringSupervisor:Prof.JinWeidongApril,2018西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1．保密□

3、，在年解密后适用本授权书；2．不保密□，使用本授权书。（请在以上方框内打“√”）学位论文作者签名：指导老师签名：日期：日期：西南交通大学硕士学位论文主要工作（贡献）声明本学位论文所做的主要工作或贡献如下：1．接触网图像的预处理及绝缘子图像数据增强。针对文中待研究的接触网图像数据进行截取相关区域，保证截取后的图像数据符合正常和异常样本的选取原则，筛选数据制作数据集。针对绝缘子数据的异常类样本缺少的情况，仿真获得了绝缘子异常类样本数据，通过深度学习中的数据增强方法增加训练集数量。2．基于HOG和SVDD的接触网支柱编号图像异常检测。研究了适合于接触网支柱编号

4、的HOG特征参数，找到了最佳的特征维数，提取其HOG特征；利用SVDD算法作为分类器，利用提取到的HOG特征进行训练和测试，通过参数调节和网格搜索等方法对SVDD中的参数进行寻优，最后利用准确率、查全率和F-score的评价指标对结果进行综合评价。实验结果证明了方法的有效性，为后续实验打下了良好的基础。3．基于改进的CNN和SVDD的接触网图像异常检测。由于实际研究的特殊背景和数据要求，文中通过迁移学习的思想，首先利用改进的CNN对非平衡的接触网图像数据进行训练，沿用原始的Lenet-5的模型及训练等参数，在卷积核上对其进行微调，最后提取图像的深度特征。

5、最后利用SVDD进行训练，研究了参数调节对训练正常超球体的影响，设置了一种可行的自适应参数优化规则，最后找到最佳的参数组合。通过实验证明该方法合理有效，且对接触网图像的异常检测准确率较高。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名：日期：西南交通大学硕士研究生学位论文第I页摘要随着中国逐渐成为世界上高速铁路发

6、展最迅速、技术最全面的国家，电气化铁路中面临的问题种类繁多。牵引供电系统的稳定安全既关系着电气化铁路的安全性，也严重影响着运营维护效率及成本。接触网安全状态监测作为目前研究的重点问题，实现其面向视频的、大数据环境下的自动化、智能化的状态监测是当前亟待研究的领域，作为后期识别和维护工作的重要前期步骤，其中对关键区域的零部件的异常检测的研究具有重要的意义。本文的研究工作以6C系统规范中接触网安全巡检装置的技术规范为依托，以C2装置摄像机拍摄的接触网支柱编号数据和接触网绝缘子数据为基础，通过图像处理技术和深度学习等方法对两种数据中的异常现象进行了相关的研究，最

7、后通过实验验证了本文提出方法的有效性。本文的主要工作如下几个方面：1、针对获取到的连续帧接触网图像数据，通过样本选取原则确定待检测数据集的正常和异常类样本，截取了含待检测对象的数据，制作相关数据集。针对实际应用中绝缘子数据集中没有异常类样本的情况，通过图像仿真软件对绝缘子异常样本进行仿真，获取一定的数据。对两种数据进行了数据增强，有效地增加了训练数据量，为后续实验准备了数据基础。2、研究了基于HOG特征的接触网支柱编号异常检测。通过对HOG算法和特征提取原理的分析，设计了不同的参数和特征维数，找到了适用于接触网支柱编号的最佳的特征维数，并作为后续SVDD

8、分类器的输入。为了找到最佳的参数组合，设计了一种SVDD算法中参数优化的方法，通