(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 202210098587.9 (22)申请日 2022.01.27 (71)申请人 成都唐源电气股份有限公司 地址 610000 四川省成 都市武侯区武兴五 路355号西部智谷A1-1-9 (72)发明人 梁四平　占栋　王瑞峰　乔梅　 周蕾　王云龙　熊昊睿　张金鑫　 (74)专利代理 机构 成都行之智 信知识产权代理 有限公司 5125 6 专利代理师 李林 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01) 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) G06N 3/08(2006.01) (54)发明名称 基于3D成像技术的接触网分段绝缘器识别 方法和装置 (57)摘要 本发明公开了基于3D成像技术的接触网分 段绝缘器识别方法和装置， 方法包括采集接触网 分段绝缘器的点云数据； 对采集的点云数据进行 预处理； 将预处理后的点云数据转换为三维矩 阵； 将三维矩阵作为训练集， 输入到卷积神经网 络中进行模 型训练； 对训练完成后的卷积神经网 络模型进行测试， 如果测试结果满足要求， 则输 出模型进行分段绝缘器识别， 否则继续训练。 本 发明采用深度卷积神经网络， 对接触网分段绝缘 器进行智能化识别， 提高了识别效率和精度。 权利要求书2页 说明书6页 附图6页 CN 114445369 A 2022.05.06 CN 114445369 A 1.基于3D成像技 术的接触网分段绝 缘器识别方法， 其特 征在于， 包括： 采集接触网分段绝 缘器的点云数据； 对采集的点云数据进行 预处理； 将预处理后的点云数据转换为 三维矩阵； 将三维矩阵作为训练集， 输入到卷积神经网络中进行模型训练； 对训练完成后的卷积神经网络模型进行测试， 如果测试结果满足要求， 则输出模型进 行分段绝 缘器识别， 否则继续训练。 2.根据权利要求1所述的基于3D成像技术的接触网分段绝缘器识别方法， 其特征在于， 所述预处 理过程具体包括： 对采集的点云数据进行去噪处 理； 对去噪处 理后的点云数据进行降采样处 理， 以保证数据点数一 致。 3.根据权利要求2所述的基于3D成像技术的接触网分段绝缘器识别方法， 其特征在于， 所述去噪处 理具体采用KN N算法进行聚类， 去掉噪声点； 所述降采样处理具体为： 选择预设大小的矩形窗口， 并将该矩形窗口划分为相同大小 的小窗口， 每 个窗口取一个点， 用平均值代替整个小窗口 的点。 4.根据权利要求1所述的基于3D成像技术的接触网分段绝缘器识别方法， 其特征在于， 将预处理后的点云数据转换为 三维矩阵步骤具体包括： 分别以X、 Y、 Z轴进行 数据划分， 将数据划分为X ×Y×1， Y×Z×1， X×Z×1三个矩阵； 将三个矩阵通过维度进行拼接， 得到W ×H×3的三维矩阵； 其中， W和H分别表示三维矩 阵的宽度和高度。 5.根据权利要求1所述的基于3D成像技术的接触网分段绝缘器识别方法， 其特征在于， 所述模型训练过程具体包括： 将三维矩阵进行归一 化处理， 将数据统一映射到[0,1]区间上； 将归一化处理后得到的数据集划分为训练集和 测试集； 采用训练集对ResNet ‑18卷积神经网络模型进行训练。 6.根据权利要求5所述的基于3D成像技术的接触网分段绝缘器识别方法， 其特征在于， 所述测试 过程具体包括： 将测试集输入到训练完成后的模型中； 基于模型分类输出 结果获得混淆矩阵； 根据混淆矩阵， 计算得到准确率和召回率； 根据准确率和召回率判断模型 是否需要继续训练。 7.根据权利要求6所述的基于3D成像技术的接触网分段绝缘器识别方法， 其特征在于， 所述准确率Ac cuarcy计算公式为： 所述召回率Recal l计算公式为： 权　利　要　求　书 1/2 页 2 CN 114445369 A 2其中， TP表示正确识别出分段绝缘器的数量， FP表示将其他部件错误的识别为分段绝 缘器的数量， FN表示错误的将分段绝缘器识别为其他部件的数量， TN表示正确识别出非分 段绝缘器的数量。 8.基于3D成像技术的接触网分段绝缘器识别 装置， 其特征在于， 包括数据采集模块、 数 据预处理模块、 数据转换模块、 模型训练模块和模型测试模块； 所述数据采集模块用于采集接触网分段绝 缘器的点云数据； 所述数据预处 理模块对 采集的点云数据进行 预处理； 所述数据转换模块将预处 理后的点云数据转换为 三维矩阵； 所述模型训练模块将三维矩阵作为训练集， 输入到卷积神经网络中进行模型训练； 所述模型测试模块用于对训练完成后的卷积神经网络模型进行测试， 如果测试合格则 输出该模型进行分段绝 缘器识别， 否则继续训练。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1 ‑7中任一项所述方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1 ‑7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114445369 A 3