一种基于深度学习的泄漏同轴电缆夹具故障检测方法

本发明公开了一种基于深度学习的泄漏同轴电缆夹具故障检测方法，包括以下步骤：S1、进行图像采集；S2、将图像分别为隧道内和隧道外，作为训练样本集；S3、搭建ResNet50网络模型，将训练样本集输入模型中进行训练；S4、将待识别视频按依次按帧输入ResNet50网络模型，判定每张图像是隧道内还是隧道外；S5、搭建Yolov8‑Retinexformer目标检测模型；S6、利用目标检测模型实现故障夹具识别与定位；S7、结合车速信息、相机帧率以及该图像的位置信息，推理出该故障夹具所在隧道内的公里标位置。本发明采用基于深度学习的图像分类算法实现隧道内外图像的分类，采用改进的Yolov8实现隧道内的夹具故障检测，再结合车速信息以及相机帧率得到故障夹具的位置，极大地减轻了检测人员的工作量。