-
题名自适应可变形卷积与焦点感知的接触网异物检测
- 1
-
-
作者
陈永
周建宇
安卓奥博
陈超亚
-
机构
兰州交通大学电子与信息工程学院
兰州交通大学人工智能与图形图像处理工程研究中心
-
出处
《铁道科学与工程学报》
北大核心
2025年第7期3314-3327,共14页
-
基金
国家自然科学基金资助项目(62462043)
兰州交通大学重点研发资助项目(ZDYF2304)。
-
文摘
高速铁路接触网是为列车提供牵引供电的关键基础设施,若异物侵入接触网,易引发受电弓故障及电流异常,进而中断供电,严重威胁高速铁路列车的运行安全。针对现有接触网异物检测方法在异物检测时存在特征提取能力不足、易受复杂背景干扰以及检测精度不高的问题,提出一种自适应可变形卷积与焦点感知的接触网异物检测模型。首先,设计自适应稀疏可变形卷积和结构感知前馈网络构建特征提取网络,动态调整具有无界权重的卷积核来充分适应不同异物的特征,并采用双分支结构设计的结构感知前馈网络进一步增强局部特征和全局特征,提高了对接触网异物特征提取能力;然后,提出动态焦点感知位置查询Transformer解码器,根据解码器块的交叉注意力分数和对应特征位置编码来动态生成位置查询,以便提供更准确的异物位置信息和细节信息,降低了复杂背景对异物检测的影响;最后,设计边界细化网络,对Transformer解码器输出的粗分割结果进一步细化,通过迭代变形粗分割结果的轮廓,使其精准输出最终异物检测分割结果。高速铁路接触网异物检测实验表明,所提方法在主客观评价方面均优于对比方法,平均准确率AP相较于Mask R-CNN、Swin-Transformer、Mask2Former和MP-Former分别提高了8.49%、7.26%、4.19%和3.06%。研究结果表明,该方法具有更好的高速铁路接触网异物检测性能。
-
关键词
高铁接触网
异物检测
自适应稀疏动态可变形卷积
焦点感知位置查询
语义分割
-
Keywords
high-speed railway catenary
foreign object detection
adaptive sparse deformable convolution
focus-aware positional queries
semantic segmentation
-
分类号
U225.4
[交通运输工程—道路与铁道工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
