基于深度学习的高铁接触网悬挂故障状态检测方法研究

目录

声明

第一章 绪论

1.1 课题研究的背景及意义

1.2 国内外研究现状

1.2.1 接触网巡检研究现状

1.2.2 6C 系统研究现状

1.2.3 卷积神经网络在图像识别与目标检测中的应用现状

1.3 本文主要研究内容

第二章 深度学习相关理论

2.1 深度学习

2.2 卷积神经网络

2.3 典型的卷积神经网络

2.3.1 VGG-16网络

2.3.2 Faster R-CNN 网络

2.4 迁移学习

2.5 本章小结

第三章 改进的 VGG-16 网络用于接触网可视化接地识别

3.1 问题描述

3.2 解决方案

3.3 算法改进

3.4 深度学习开发环境

3.5 数据获取及预处理

3.5.1 数据获取

3.5.2 数据增强及数据平衡问题

3.6 网络训练及结果分析

3.6.1 VGG-16改进方法的比较

3.6.2 与传统 CNN 模型的比较

3.6.3 识别结果展示

3.7 本章小结

第四章 绝缘子的定位及缺陷诊断

4.1 问题描述

4.2 解决方案

4.3 Mask R-CNN算法

4.4 数据获取及标注

4.4.1 VOC数据集

4.4.2 绝缘子定位的数据标注

4.4.3 MS COCO 数据集

4.4.4 绝缘子分割的数据标注

4.5 训练平台及超参数设定

4.6 绝缘子缺陷诊断

4.6.1 绝缘子定位及分割

4.6.2 形态矫正

4.6.3 基于像素累加的绝缘子缺陷检测

4.7 本章小结

第五章 总结和展望

5.1 本文主要工作回顾

5.2 本文的创新性

5.3 展望

参考文献

个人简历 在读期间发表的学术论文

致谢