基于无人机图像的铁路接触网典型缺陷智能识别方法研究

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 无人机巡检现状

1.2.2 铁路接触网巡检现状

1.2.3 计算机视觉技术在接触网检测中的应用

1.3 技术路线及研究内容

1.3.1 关键问题及技术路线

1.3.2 研究内容及章节安排

1.4 本章小结

2 铁路接触网无人机巡检系统架构设计

2.1 概述

2.2 无人机接触网支撑装置巡检内容及方法

2.2.1 接触网及其缺陷类型分析

2.2.2 无人机巡检系统设计

2.2.3 无人机巡检方案设计

2.3 无人机铁路巡检安全保障

2.3.1 铁路无人机接触网巡检作业标准

2.3.2 无人机安全保障

2.3.3 铁路沿线巡检电子围栏安全防护

2.4 本章小结

3 基于无人机图像的接触网支撑装置初定位研究

3.1 概述

3.2 基于无人机图像的数据增强策略

3.2.1 在线数据增强

3.2.2 混合样本数据增强

3.3 接触网支撑装置关键零部件检测基础算法理论分析

3.3.1 卷积神经网络概述

3.3.2 特征提取网络分析与比较

3.4 基于改进Faster R-CNN算法的支撑装置连接处定位

3.4.1 R-CNN系列方法概述

3.4.2 双层反向特征金字塔融合网络

3.4.3 模型头部轻量化与多尺度感兴趣区域池化

3.5 实验结果分析

3.5.1 实验数据分析

3.5.2 实现细节与网络训练

3.5.3 消融实验与结果评价

3.6 本章小结

4 基于级联网络的接触网支撑装置紧固件缺陷检测研究

4.1 概述

4.2 级联深度神经网络方法研究

4.2.1 目标检测一阶段网络方法概述

4.2.2 基于度量学习的小样本目标识别

4.3 接触网支撑装置紧固件定位研究

4.3.1 接触网支撑装置小样本数据增强

4.3.2 基于旋转目标检测的紧固件定位算法

4.3.3 实验结果分析

4.4 接触网支撑装置紧固件健康状态识别

4.4.1 基于孪生网络的紧固件缺陷识别

4.4.2 实验细节及实验结果分析

4.5 本章小节

5 无人机铁路接触网巡检系统设计及开发

5.1 概述

5.2 系统开发使用工具及技术简介

5.2.1 系统开发环境

5.2.2 前端页面开发

5.2.3 后端分析技术简介

5.3 系统功能设计及流程设计

5.4 接触网检测系统测试

5.5 本章小结

6 总结与展望

6.1 工作总结

6.2 研究展望

参考文献

作者简历及攻读学位期间取得的研究成果

独创性声明