(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210195215.8 (22)申请日 2022.03.02 (65)同一申请的已公布的文献号 申请公布号 CN 114266770 A (43)申请公布日 2022.04.01 (73)专利权人 中铁电气化局集团有限公司 地址 100032 北京市西城区莲 花池东路10 6 号汇融大厦A座26 06 专利权人 中国铁路上海局集团有限公司杭 州供电段 (72)发明人 李曌宇　马时达　缪弼东　宋东海　 陈军　张焜森　齐佳风　钟建伟　 朱海燕　闫锐毅　缪智勇　张蔚　 汤少杰　王晨　马进军　高峰　 陆登山　张斌　张峰　刘亚光　 饶洪伟　刘建丁　侯瑞　李超　 (74)专利代理 机构 北京康思博达知识产权代理 事务所(普通 合伙) 11426 专利代理师 范国锋 (51)Int.Cl. G06T 7/00(2017.01)G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) (56)对比文件 CN 110310261 A,2019.10.08 CN 114030395 A,202 2.02.11 CN 10212 9564 A,201 1.07.20 CN 10861523 3 A,2018.10.02 JP 2002156339 A,2002.05.31 US 2020315589 A1,2020.10.08 CN 111402214 A,2020.07.10 余卓骅等.V形焊缝轮廓特 征点的有效提取. 《焊接技术》 .2016,(第12期), 刘云洲.电气化铁路弓 网故障原因分析及对 策. 《郑铁科技》 .2017,(第01期), 陈云莎 等.基 于峭度表征的接 触网吊弦缺 陷检测算法. 《机 械制造与自动化》 .2021,第5 0卷 (第3期), 审查员 王欣玥 (54)发明名称 通过神经网络学习方法检测高铁接触网吊 弦缺陷的方法 (57)摘要 本发明公开了一种通过神经网络学习方法 检测高铁接触网吊弦缺陷的方法、 系统及电子设 备。 本发明的方法包括： 步骤S101、 获取待检测图 像， 待检测图像中含有吊弦； 步骤S102、 将待检测 图像输入到目标识别模型中， 筛选出吊弦上带有 凸起的图像； 步骤S103、 根据带有凸起的 图像， 获 取与凸起突变点预设距离内正常吊弦的切线斜 率， 并将该正常吊弦的切线斜率输入到神经网络 模型中， 获得凸起突变点处理想的吊弦的切线斜 率； 步骤S104、 根据凸起突变点处理想的吊弦的 切线斜率判断凸起是毛刺还是硬弯。 本发明能够通过利用凸起突变点处吊弦的切线斜率就能够 检测出凸起是硬弯还是毛刺， 兼顾了检测效率和 检测准确度， 硬弯和毛刺的检测精度能够达到 99%以上。 权利要求书2页 说明书8页 附图2页 CN 114266770 B 2022.05.17 CN 114266770 B 1.一种通过神经网络学习方法检测高铁接触网吊弦缺陷的方法， 其特征在于， 包括以 下步骤： 步骤S101、 获取待检测图像， 所述待检测图像中含有吊弦； 步骤S102、 将待检测图像输入到目标识别模型中， 筛 选出吊弦上 带有凸起的图像； 步骤S103、 根据所述带有凸起的图像， 获取与凸起突变点预设距离内正常吊弦的切线 斜率， 并将与凸起突变点预设距离内正常吊弦的切线斜率输入到神经网络模型中， 获得凸 起突变点处 理想的吊弦的切线斜 率； 步骤S104、 根据所述凸起突变点处理想的吊弦的切线斜率判断所述凸起是毛刺还是硬 弯； 所述步骤S104包括： 若所述凸起突变点处理想的吊弦的切线斜率与所述凸起突变点处实际的吊弦的切线 斜率之间的变化 率小于预设阈值， 则所述凸起 为毛刺， 否则所述凸起 为硬弯。 2.根据权利要求1所述的通过神经网络学习方法检测高铁接触网吊弦缺陷的方法， 其 特征在于， 所述 步骤S101的过程， 包括： 采集高铁 接触网上的图像； 将图像裁 剪为含有吊弦的待检测图像。 3.根据权利要求1所述的通过神经网络学习方法检测高铁接触网吊弦缺陷的方法， 其 特征在于： 所述目标识别模型为CN N模型。 4.根据权利要求1所述的通过神经网络学习方法检测高铁接触网吊弦缺陷的方法， 其 特征在于： 所述神经网络模型为BP神经网络 。 5.根据权利要求2所述的通过神经网络学习方法检测高铁接触网吊弦缺陷的方法， 其 特征在于， 还 包括： 利用目标识别模型判断待检测图像中吊弦的位置， 以去除待检测图像中除吊弦外其它 背景。 6.根据权利要求3所述的通过神经网络学习方法检测高铁接触网吊弦缺陷的方法， 其 特征在于： 凸起突变点包括凸起的一个或两个端部突变点和/或至少一个非端部突变点。 7.一种通过神经网络学习方法检测高铁 接触网吊弦缺陷的系统， 其特 征在于， 包括： 获取待检测图像的模型； 将待检测图像输入到目标识别模型中， 筛 选出带有凸起的图像的模型； 根据带有 凸起的图像获取与凸起突变点预设距离 内正常吊弦 的切线斜率， 并将凸起预 设距离内正常吊弦的切线斜率输入到神经网络模型中， 获得凸起突变点处理想的吊弦的切 线斜率的模型； 根据所述凸起 突变点处 理想的吊弦的切线斜 率判断所述凸起是毛刺还是硬弯的模型； 其中， 若所述凸起突变点处理想的吊弦 的切线斜率与 所述凸起突变点处实际的吊弦的 切线斜率之间的变化 率小于预设阈值， 则所述凸起 为毛刺， 否则所述凸起 为硬弯。 8.一种电子设备， 其特 征在于， 包括： 存 储器， 处理器； 所述存储器用于存 储所述处 理器可执行指令； 所述处理器用于根据 所述存储器存储的可执行指令， 实现如权利要求1至6 中任一项所权　利　要　求　书 1/2 页 2 CN 114266770 B 2述的通过神经网络学习方法检测高铁 接触网吊弦缺陷的方法。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机执 行指令， 计算机执行指令被处理器执行时用于实现如权利要求1至6中任一项 所述的通过神 经网络学习方法检测高铁 接触网吊弦缺陷的方法。权　利　要　求　书 2/2 页 3 CN 114266770 B 3