基于Mask R-CNN实现高速列车受电弓关键部件精准检测

摘要

针对当前受电弓目标检测方法中对象检测器的输出是在图像或视频帧中检测到的对象周围的边界框阵列,无法得到关于边界框内关键部件形状的任何线索。本文基于Mask R-CNN提出了一种检测高铁受电弓关键部件的方法,该方法首先利用在高铁受电弓前的摄像头捕捉到的10000余张图片作为训练样本,并利用这些训练样本对自定义的Mask R-CNN算法进行离线训练、生成预训练好的模型,然后迁移到高铁车顶单目摄像机系统,在高铁运行过程中对摄像头的监控图像不仅可检测出目标对象,还可获得包含该对象的二进制掩码,能够对高铁受电弓关键部件结构异常等情况进行及时检测。