(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210902425.6 (22)申请日 2022.07.29 (71)申请人 成都唐源电气股份有限公司 地址 610046 四川省成 都市武侯区武科西 一路9号 (72)发明人 周蕾　赵杰超　李想　张金鑫　 高雄杰　李治友　刘颖强　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 专利代理师 钱成岑 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/10(2017.01) G06T 7/70(2017.01) G06V 10/40(2022.01)G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种接触轨集电靴碳滑板缺陷识别方法 (57)摘要 本发明公开了一种接触轨集电靴碳滑板缺 陷识别方法， 包括以下步骤： S1、 采集待识别接触 轨集电靴图像； S2、 对接触轨集电靴图像使用深 度学习算法定位接触轨集电靴； S3、 使用深度学 习算法定位接触轨集电靴的碳滑板区域； S4、 使 用深度学习算法识别接触轨集电靴碳滑板区域 的缺陷； S5、 输出接触轨集电靴滑板区域缺陷识 别结果。 本发 明为深度学习网络模 型在接触轨集 电靴滑板缺陷识别方面的应用， 本发 明不受外界 光照变化的干扰， 只和当前图像中接触轨集电靴 滑板区域特 征有关， 且识别率较高。 权利要求书2页 说明书5页 附图2页 CN 115439406 A 2022.12.06 CN 115439406 A 1.一种接触轨集电靴碳滑板缺陷识别方法， 其特 征在于， 包括以下步骤： S1、 采集待识别接触轨集电靴图像； S2、 对接触轨集电靴图像使用深度学习算法定位接触轨集电靴； S3、 使用深度学习算法定位接触轨集电靴的碳滑板区域； S4、 使用深度学习算法识别接触轨集电靴碳滑板区域的缺陷； S5、 输出接触轨集电靴滑板区域 缺陷识别结果。 2.根据权利要求1所述的接触轨集电靴碳滑板缺陷识别方法， 其特征在于， 所述深度 学 习算法通过FCOS深度学习网络模型完成， 所述FCOS深度学习网络模型包括主干网络模块、 特征回归模块和检测模块。 3.根据权利要求2所述的接触轨集电靴碳滑板缺陷识别方法， 其特征在于， 所述主干网 络模块由BottleneckCSP组成， 从接触轨集电靴图像中提取特征图作为特征回归模块的输 入。 4.根据权利要求2所述的接触轨集电靴碳滑板缺陷识别方法， 其特征在于， 所述特征回 归模块采用PFN结构， 对输入的特 征图中的每 个像素进行回归计算， 生成特 征金字塔。 5.根据权利要求2所述的接触轨集电靴碳滑板缺陷识别方法， 其特征在于， 所述检测模 块包含Center‑ness和NMS算 法， 所述C enter‑ness和NMS算法用来抑制低质量Bounding  Box 的产生。 6.根据权利要求2所述的接触轨集电靴碳滑板缺陷识别方法， 其特 征在于， 使用LabelImg图像标注工具依次对集电靴区域、 集电靴区域中碳滑板、 碳滑板中缺陷 进行标注； 分别生成集电靴定位模型训练集、 集电靴碳滑板定位模型训练集、 碳滑板缺陷检测模 型训练集； 分别使用集电靴定位模型训练集、 集电靴碳滑板定位模型训练集、 碳滑板缺陷检测模 型训练集训练所述FC OS深度学习网络模 型， 得到集电靴定位模型、 集电靴碳滑板定位模 型、 碳滑板缺陷识别模型。 7.根据权利要求6所述的接触轨集电靴碳滑板缺陷识别方法， 其特 征在于， 所述使用LabelImg图像标注工具依次对集电靴区域、 集电靴区域中碳滑板、 碳滑板中 缺陷进行 标注， 具体为： 使用Label Img图像标注工具对 采集集电靴图像中的集电靴区域进行 标注； 利用所述集电靴定位模型从采集集电靴图像中扣取集电靴 区域， 使用LabelImg图像标 注工具对所述 集电靴区域中的碳滑板进行 标注； 利用所述集电靴碳滑板定位模型从采集集电靴图像中扣取碳滑板区域， 使用LabelImg 图像标注工具对所述 碳滑板区域中的缺陷进行 标注。 8.根据权利要求1所述的接触轨集电靴碳滑板缺陷识别方法， 其特征在于， 所述接触轨 集电靴的定位 步骤为： S21、 使用训练好的集电靴定位模型对待识别接触轨集电靴图像进行卷积操作提取图 像的语义信息； S22、 当提取出来的语义信息和集电靴定位模型中保存的集电靴语义信息的相似度不 低于95％时， 表示该接触轨集电靴图像中包含集电靴， 并进入步骤S23， 否则表示该接触轨权　利　要　求　书 1/2 页 2 CN 115439406 A 2集电靴图像中不包 含集电靴， 并进入步骤S24； S23、 使用集电靴定位模型对接触轨集电靴图像进行反卷积操作获取集电靴的像素位 置信息， 并将该像素位置信息作为该接触轨集电靴图像的集电靴定位结果输出； S24、 对下一张接触轨集电靴图像进行集电靴定位操作， 返回步骤S21。 9.根据权利要求1所述的接触轨集电靴碳滑板缺陷识别方法， 其特征在于， 所述接触轨 集电靴的碳滑板区域的定位 步骤为： S31、 使用训练好的集电靴碳滑板定位模型对集电靴定位结果图像进行卷积操作提取 图像的语义信息； S32、 当提取出来的语义信息和集电靴碳滑板定位模型中保存的集电靴碳滑板语义信 息的相似度不低于95％时， 表示该集电靴定位结果图像中包含集电靴碳滑板， 并进入步骤 S33， 否则表示该集电靴定位结果图像中不包 含集电靴碳滑板， 并进入步骤S34； S33、 使用集电靴碳滑板定位模型对集电靴定位结果图像进行反卷积操作获取集电靴 碳滑板的像素位置信息， 并将该像素位置信息作为该集电靴定位结果图像的集电靴碳滑板 定位结果输出； S34、 对下一张集电靴定位结果图像进行集电靴碳滑板 定位操作， 返回步骤S31。 10.根据权利要求1所述的接触轨集电靴碳滑板缺陷识别方法， 其特征在于， 所述接触 轨集电靴碳滑板区域 缺陷的识别步骤为： S41、 将集电靴碳滑板定位结果图像分割成若干块， 并使用训练好的集电靴碳滑板缺陷 识别模型对每一 块区域进行 卷积操作提取图像的语义信息； S42、 将提取出来的语义信息和集电靴碳滑板缺陷识别模型中保存的各类缺陷的语义 信息进行对比， 当存在相似度最高且不低于70％的语义信息时， 表示检测到缺陷并输出该 类缺陷的语义信息， 进入步骤S43， 否则该语义信息表示的不是集电靴缺陷的语义信息， 进 入步骤S4 4； S43、 使用集电靴碳滑板缺陷识别模型对每一块区域进行反卷积操作提取集电靴缺陷 在集电靴碳滑板定位结果图像中的像素位置信息， 将该像素位置信息和缺陷语义信息作为 结果输出； S44、 对下一个集电靴碳滑板 定位结果图像进行集电靴缺陷识别操作， 返回步骤S41。权　利　要　求　书 2/2 页 3 CN 115439406 A 3