【技术实现步骤摘要】
基于图像处理的受电弓结构异常检测算法
本专利技术受电弓结构异常检测
,尤其涉及一种基于图像处理的受电弓结构异常检测算法。
技术介绍
随着铁路事业的飞速发展,对其运输安全性的要求越来越高。受电弓是给电力机车提供能量的主要部件之一,如果发生结构异常的故障缺陷,将有可能引发严重的交通事故,危及行车安全。因而,准确、及时地发现受电弓结构异常故障对于受电弓的维护和行车安全具有重大意义。列车在运行过程中需要通过车顶上的受电弓从接触网取电。随着国内轨道交通的快速发展,机车受电弓——接触网系统被大量应用于其中,与此同时,随着列车运行负载的加重和里程数量的增加,受电弓容易出现诸如结构异常之类的缺陷故障。准确、及时地发现受电弓结构异常的缺陷对于受电弓的快速维修具有良好的指导意义,同时能避免出现不可预料的行车安全事故。传统的受电弓故障检测方法需要列车驶进机务段,停车、降弓、断电以及人工登顶查看,该方法效率低、精度差、费时费力、精确性差,而且属于高空危险作业,测量次数受限,因而存在误判和安全问题,对受电弓异常情况的监控力度不够,故不适应铁路的高速发展。而图像检测技术测属于一种非接触式测量技术,可以独立、客观地对被测物体进行动、静态测量。测量结果更为客观,测量效率更为高效、测量精度更为准确。如现有技术中,公开号为CN108681733A,公开日为2018年10月19日,名称为“一种基于图像处理的受电弓状态异常检测系统及检测方法”的专利技术专利文献,公开了一种基于图像处理的受电弓状态异常检测系统及检测方法,包括电源单元,还 ...
【技术保护点】
1.基于图像处理的受电弓结构异常检测算法,其特征在于,包括以下步骤:/n图像预处理步骤,去除待识别图像中的噪声;/n受电弓定位步骤,具体包括受电弓分类模型建立和受电弓识别定位;所述受电弓分类模型建立是通过HOG特征提取的方法对样本图像进行特征提取得到每张样本图像的HOG特征,然后通过SVM分类模型对样本图像中的受电弓图像和非受电弓图像的HOG特征进行训练学习,得到受电弓分类模型;所述受电弓定位步骤是将待识别图像输入并通过HOG特征提取,将HOG特征提取结果输入受电弓分类模型,识别定位出待识别图像中的受电弓;/n受电弓轮廓提取步骤,对经过受电弓定位步骤的待识别图像进行图像增强,然后进行固定阈值化处理,并采取二值化方法对待识别图像进行二值分割,遍历待识别图像的所有像素,以像素值为提取标准提取前景像素;/n关键轮廓提取步骤,对经过所述受电弓轮廓提取步骤处理的待识别图像提取出受电弓左、右两侧的区域,对提取出的区域中心线进行轮廓分割,对分割出的轮廓依次遍历计算每个轮廓的纵坐标最大值,将每个轮廓的纵坐标最大值从大到小进行排序,排序最末的纵坐标所对应的轮廓和排序第一的纵坐标所在轮廓即为关键轮廓线;/ ...
【技术特征摘要】
1.基于图像处理的受电弓结构异常检测算法,其特征在于,包括以下步骤:
图像预处理步骤,去除待识别图像中的噪声;
受电弓定位步骤,具体包括受电弓分类模型建立和受电弓识别定位;所述受电弓分类模型建立是通过HOG特征提取的方法对样本图像进行特征提取得到每张样本图像的HOG特征,然后通过SVM分类模型对样本图像中的受电弓图像和非受电弓图像的HOG特征进行训练学习,得到受电弓分类模型;所述受电弓定位步骤是将待识别图像输入并通过HOG特征提取,将HOG特征提取结果输入受电弓分类模型,识别定位出待识别图像中的受电弓;
受电弓轮廓提取步骤,对经过受电弓定位步骤的待识别图像进行图像增强,然后进行固定阈值化处理,并采取二值化方法对待识别图像进行二值分割,遍历待识别图像的所有像素,以像素值为提取标准提取前景像素;
关键轮廓提取步骤,对经过所述受电弓轮廓提取步骤处理的待识别图像提取出受电弓左、右两侧的区域,对提取出的区域中心线进行轮廓分割,对分割出的轮廓依次遍历计算每个轮廓的纵坐标最大值,将每个轮廓的纵坐标最大值从大到小进行排序,排序最末的纵坐标所对应的轮廓和排序第一的纵坐标所在轮廓即为关键轮廓线;
关键点提取步骤,提取所述关键轮廓线中的滑板与羊角间隙中心线轮廓、以及羊角边缘中心线轮廓,获得包括受电弓滑板和羊角端点的关键点;
参数计算与异常判断步骤,包括通过所述关键点提取步骤的结果对受电弓滑板长度、受电弓弓头长度和受电弓弓头高度进行计算,将计算得到的滑板长度、弓头长度、弓头高度和标准值进行比较并判定受电弓结构有无异常现象。
2.如权利要求1所述的基于图像处理的受电弓结构异常检测算法,其特征在于:所述图像预处理步骤是采用高斯滤波的方法对待识别图像采集过程中出现的噪声进行噪声滤除;针对光照不均匀、图像对比度较低的情况,以及采取直方图均衡的方法对待识别图像进行图像增强和提高图像对比度。
3.如权利要求1所述的基于图像处理的受电弓结构异常检测算法,其特征在于:所述受电弓分类模型建立中,所述样本图像包括受电弓正、负样本,正样本为包含受电弓的图像,负样本为不含受电弓的任意图像。
4.如权利要求1所述的基于图像处理的受电弓结构异常检测算法,其特征在于,所述通过HOG特征提取的方法对样本图像或待识别图像进行特征提取,具体包括以下步骤:
归一化处理,I(x,y)=I(x,y)gamma,其中(x,y)为图像的像素点;
对图像x方向和y方向进行梯度计算,图像中的像素点(x,y)的梯度为
Gx(x,y)=H(x+1,y)-H(x-1,y)
Gy(x,y)=H...
【专利技术属性】
技术研发人员:徐安雄,陈辉,万壮,陈诚,胡传,段豪翔,卢强,赵坤,张琳山,
申请(专利权)人:成都地铁运营有限公司,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。