一种高速铁路接触网悬挂装置等电位线故障检测方法制造方法及图纸

本发明专利技术公开了一种高速铁路接触网悬挂装置等电位线故障检测方法。获取的接触网的全局和局部图像中截取训练分类器所需的正负样本；利用HOG算法对正负样本图像进行特征提取，并将提取的特征输入Adaboost级联分类器和SVM支持向量机中进行训练，利用训练好的分类器从整幅接触网悬挂装置图像中识别定位待检测的目标图像；对识别出来的目标图像进行图像预处理，利用水平集RSF模型进行提取图像目标边缘；计算故障等电位线图像的连通域，求取连通域的个数和面积作为判别等电位线是否发生散股故障的准则对接触网悬挂装置图像中识别出来的等电位线进行故障判断。本发明专利技术较好地解决了高速接触网悬挂装置等电位线故障高效、快速的检测，能够满足系统的在线检测的实时性和精确性要求，应用前景广泛。

【技术实现步骤摘要】
一种高速铁路接触网悬挂装置等电位线故障检测方法
本专利技术涉及高速铁路接触网在线检测领域，尤其是实时在线检测，高精度故障检测

技术介绍
弓网系统为牵引供电系统中的关键组成部分，弓网系统必须保证牵引网把电能输送给电力机车使用，以保障电力机车的正常运行。由于受电弓和接触网之间存在非常复杂的力学与电气的交互影响作用，其故障率一直处于较高的状态，因此，对弓网系统进行高效的实时检测，实时掌握弓网系统的工作情况，及时检测不良状态并对不良状态进行维修和维护具有重要的意义。传统的弓网检测主要以人工作业为主，需要工作人员登到车顶检测受电弓而且要登杆检测接触网。人工作业工作量大，且具有一定的危险性，不能满足高速铁路对检测效率与检测结果可靠性等的要求。非接触式检测具有远离电磁干扰、检测精度高、结构简洁、成本低等优点，相比人工检测具有极其明显的优势。在非接触式弓网检测方法中，使用基于图像采集与处理技术的图像检测技术可以减少设备的使用数量同时降低投资，这是因为该技术可以用单一的设备同时检测多种弓网的零部件，目前已成为弓网检测领域的研究热点。现有的非接触网式图像检测装置，主要依靠安装在检测车顶部的线阵CCD摄像机拍摄检测图像，在故障识别方面主要依靠人眼观察，自动化程度较低，处理速度较慢。
技术实现思路
本专利技术的目的在于提供一种高速铁路接触网悬挂装置等电位线故障检测方法。该方法实现了等电位线的散股故障的自动化检测，提高了检测效率和检测精度。本专利技术的目的是通过如下的手段实现的：一种高速铁路接触网悬挂装置等电位线故障检测方法，在轨道检测车顶安装高速摄像机，对沿途的接触网悬挂装置进行拍摄，获取接触网的全局和局部图像；从拍摄到的图像中截取训练分类器所需的正负样本，其中包含等电位线的图片为正样本，不含等电位线的为负样本；利用HOG算法对正负样本图像进行特征提取，并将提取的特征输入Adaboost级联分类器和SVM支持向量机中进行训练，利用训练好的分类器从整幅接触网悬挂装置图像中识别定位待检测的目标图像；对识别出来的目标图像进行图像预处理，利用水平集RSF模型进行提取图像目标边缘；计算故障等电位线图像的连通域，求取连通域的个数和面积，作为判别等电位线是否发生散股故障的准则(面积指连通域内的像素个数)，根据建立的故障判断准则对接触网悬挂装置图像中识别出来的等电位线进行故障判断。其具体工作步骤包含：A、利用轨道检测车顶安装高速摄像机，对沿途的接触网悬挂装置进行拍摄，获取接触网的全局和局部图像；B、对采集的图像实现接触网等电位线识别和定位：a、从拍摄到的图像中截取训练分类器所需的正负样本，其中包含等电位线的图片为正样本，不含等电位线的为负样本；b、利用HOG算法对正负样本图像进行特征提取；c、将提取的特征输入Adaboost级联分类器和SVM支持向量机中进行训练，得到分类器；d、利用训练好的分类器从整幅接触网悬挂装置图像中识别定位待检测的目标图像。C、建立接触网等电位线故障判断准则，实现对接触网等电位线故障判断：a、对识别出来的目标图像进行图像预处理；b、利用水平集RSF模型进行提取图像目标边缘；c、计算故障等电位线图像连通域，求取连通域的个数和面积，作为判别等电位线是否发生散股故障的准则(面积指连通域内的像素个数)；根据建立的故障判断准则对等电位线进行故障判断。实施过程中，具体包括如下过程。1、利用接触网轨道检测车的顶部安装高速摄像机，并通过光源进行补光，拍摄清晰的接触网悬挂装置的图像，便于后期对图像进行处理。2、对采集的图像实现接触网等电位线识别和定位2.1、由于需要实现对接触网等电位线快速、准确的定位，因此建立完善的图像正负样本库至关重要。本专利技术从接触网悬挂装置图像中截取了1000幅包含等电位线的图片作为正样本，1000幅不含等电位线的图片作为负样本。通过对正样本进行归一化处理，得到64×64像素大小的正样本，提高分类器训练的效率和精度；2.2、由于系统需要从全局图像中进行接触网等电位线的识别和检测，因此选取一个高效的、区分度高的特征对等电位线进行表达和描述则是最重要的一环，直接影响到后续检测的精度和实时性。本专利技术利用HOG算法提取图像的特征，在保证检测精度的情况下，提高了系统检测的实时性。2.3、由于系统检测的关键部分就是实现对接触网等电位线的识别和定位，因此选择和构建高效的分类器对等电位线的识别和定位至关重要。本专利技术引入Adaboost级联分类器和SVM支持向量机相结合的方式，构建了高效的分类器，实现了对接触网等电位线的快速精准的识别和定位。3、建立接触网等电位线故障判断准则，实现对接触网等电位线故障判断3.1、对识别出来的目标图像进行图像预处理；a、将原图中亮色部分灰度值设置为零。通过计算整幅图的灰度值，选定阀值为70，即灰度值大于70的部分将会把灰度值设置为0，图像亮色的金属框架部分被处理成黑色；b、将原图中的亮色部分灰度值设置为零后，整个图像都比较暗，而且等电位线和背景部分灰度值相差不大，所以可以将等电位线部分灰度值设置为255，这样等电位线部分就会在整个图像中突出出来。阀值选择为5和30，即把灰度值大于5且小于30的部分被设置为255。c、初步提取到的等电位线并不清晰，周围有很多小块没有处理掉，这样肯定会对等电位线的故障检测产生影响。接下来对初步提取的等电位线图像进行形态学腐蚀处理，考虑到有些散股的孔洞比较小，如果腐蚀函数参数选择较大，可能会直接把一些孔洞处理掉影响故障的检测，最后选取的腐蚀参数为2。3.2、利用水平集RSF模型进行提取图像目标边缘；由于等电位线边缘不光滑，传统的边缘检测法不能很好的处理等电位线的边缘。本专利技术引入水平集RSF模型轮廓检测算法可以很好的处理模糊或者不光滑的边缘。水平集迭代次数本文选取的1500，每张图片处理时间约为70～80s，3.3、计算图像连通域，求取连通域的个数和面积，判断接触网等电位线是否发生散股故障。a、对水平集RSF模型提取的图像边缘提取连通域；b、计算所提取的连通域的个数和面积，其中面积用连通域内的像素个数表示；c、对发生故障的等电位线图像进行上述算法运算求出连通域的个数和面积，作为判定等电位线是否发生散股故障的准则；d、利用等电位线散股故障判断准则，对从接触网悬挂装置图像中提取出来的等电位线进行故障判断。本专利技术引入HOG算法对图像目标进行特征提取，利用Adaboost级联分类器和SVM支持向量机结合的方法对图像目标进行识别定位，利用水平集RSF轮廓模型进行图像目标边缘提取，判断接触网等电位线是否发生故障。为保证系统的检测的精确性、实时性，主要利用上述算法以下三方面的特性：(1)HOG算法通过图像的局部梯度提取图像特征信息，可以提高系统性能；(2)Adaboost级联分类器是多个分类器进行级联，而SVM支持向量机是直接二分类，二者结合可以相互互补；(3)水平集RSF轮廓模型算法可以很好的处理模糊或者不光滑的边缘。与现有技术相比，本专利技术的有益效果是：1、本专利技术利用HOG算法提取接触网等电位线图像目特征，该特征可以高效的对图像目标进行描述，计算复杂度底，减少了系统的处理时间，满足了系统的实时性，极大程度地提高了系统的处理效率和检测精度。2、相较以往分类器的构建方式，本专利技术将A本文档来自技高网...

【技术保护点】
一种高速铁路接触网悬挂装置等电位线故障检测方法，在轨道检测车顶安装高速摄像机，对沿途的接触网悬挂装置进行拍摄，获取接触网的全局和局部图像；从拍摄到的图像中截取训练分类器所需的正负样本，其中包含等电位线的图片为正样本，不含等电位线的为负样本；利用HOG算法对正负样本图像进行特征提取，并将提取的特征输入Adaboost级联分类器和SVM支持向量机中进行训练，利用训练好的分类器从整幅接触网悬挂装置图像中识别定位待检测的目标图像；对识别出来的目标图像进行图像预处理，利用水平集RSF模型进行提取图像目标边缘；计算故障等电位线图像的连通域，求取连通域的个数和面积，作为判别等电位线是否发生散股故障的准则，根据建立的故障判断准则对接触网悬挂装置图像中识别出来的等电位线进行故障判断；其具体工作步骤包含：A、利用轨道检测车顶安装高速摄像机，对沿途的接触网悬挂装置进行拍摄，获取接触网的全局和局部图像；B、对采集的图像实现接触网等电位线识别和定位：a、从拍摄到的图像中截取训练分类器所需的正负样本，其中包含等电位线的图片为正样本，不含等电位线的为负样本；b、利用HOG算法对正负样本图像进行特征提取；c、将提取的特征输入Adaboost级联分类器和SVM支持向量机中进行训练，得到分类器；d、利用训练好的分类器从整幅接触网悬挂装置图像中识别定位待检测的目标图像；C、建立接触网等电位线故障判断准则，实现对接触网等电位线故障判断：a、对识别出来的目标图像进行图像预处理；b、利用水平集RSF模型进行提取图像目标边缘；c、计算故障等电位线图像连通域，求取连通域的个数和面积，作为判别等电位线是否发生散股故障的准则，根据建立的故障判断准则对等电位线进行故障判断。...

【技术特征摘要】
1.一种高速铁路接触网悬挂装置等电位线故障检测方法，在轨道检测车顶安装高速摄像机，对沿途的接触网悬挂装置进行拍摄，获取接触网的全局和局部图像；从拍摄到的图像中截取训练分类器所需的正负样本，其中包含等电位线的图片为正样本，不含等电位线的为负样本；利用HOG算法对正负样本图像进行特征提取，并将提取的特征输入Adaboost级联分类器和SVM支持向量机中进行训练，利用训练好的分类器从整幅接触网悬挂装置图像中识别定位待检测的目标图像；对识别出来的目标图像进行图像预处理，利用水平集RSF模型进行提取图像目标边缘；计算故障等电位线图像的孔洞，求取孔洞的个数和面积，作为判别等电位线是否发生散股故障的准则，根据建立的故障判断准则对接触网悬挂装置图像中识别出来的等电位线进行故障判断；其具体工作步骤包含：A、利用轨道检测车顶安装高速摄像机，对沿途的接触网悬挂装置进行拍摄，获取接触网的全局和局部图像；B、对采集的图像实现接触网等电位线识别和定位：B1、从拍摄到的图像中截取训练分类器所需的正负样本，其中1000幅包含等电位线的图片为正样本，1000幅不含等电位线的为负样本；通过对正样本进行归一化处理，得到64×64像素大小的正样本；B2、利用HOG算法对正负样本图像进行特征提取；B3、将提取的特征输入Adaboost级联分类器和SVM支持向量机中进行训练，得到分类器；B4、利用训练好的分类器从整幅接触网悬挂装置图像中识别定位待检测的目标图像；C、建立接触网等电位线故障判断准则，实现对接触网等电位线故障判断：C1、对识别出...

【专利技术属性】
技术研发人员：高仕斌，刘志刚，刘文强，胡冉冉，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51