一种基于模板匹配与神经网络算法的弓网异常检测方法技术

本发明专利技术提供的一种基于模板匹配与神经网络算法的弓网异常检测方法，包括如下步骤：获得相关弓网图片，为灰度图像，然后按不同场景尺寸对其分类；使用模板匹配算法截取在每个场景下的弓网照片；重置弓网照片尺寸，并对所以弓网照片进行标记，将所有已标记数据打包成为可被调用的数据集；搭建合适的卷积神经网络；将数据集划分为训练集、验证集以及测试集，然后导入训练程序对神经网络进行训练；得到训练完成的卷积神经网络以及各个场景的相应模板。使用时，先将图片灰度化后使用模板匹配算法对其弓网部分进行截取，然后再使用卷积神经网络对其进行状态判定，最后输出判定结果。最后输出判定结果。最后输出判定结果。

【技术实现步骤摘要】
一种基于模板匹配与神经网络算法的弓网异常检测方法


[0001]本专利技术涉及受电弓、接触网维护
，尤其涉及一种基于模板匹配与神经网络算法的弓网异常检测方法。

技术介绍

[0002]弓网状态异常是牵引供电系统中影响供电的常见问题，这些异常有时只会影响受电弓的使用，但有时会造成严重的停车事故，因此，对于受电弓与接触网异常的准确识别是目前牵引供电系统的一个十分重要的需求。目前，在铁路的实际应用上，对于受电弓与接触网的图像识别技术还停留在一些比较传统的图像识别算法上，如模板匹配算法、边缘识别算法等，甚至有些地方还使用人工识别的方式对于所拍得的图像进行识别。目前，对于弓网异常检测的研究，有许多研究还在致力于使用传统算法，《基于高清图像处理的弓网检测识别算法》(《铁道机车车辆》,2016,36(05):82
‑
84，杨卢强,韩通新)提出了一种基于canny边缘检测算法的弓网接触点检测算法，该方法是典型的基于传统算法的图像处理方法，通常只适用于特定且固定的场景；《基于图像识别的接触网信息处理系统》(《南京大学》，2018，胡尊皓)提出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模板匹配与神经网络算法的弓网异常检测方法，其特征在于，包括：S1获取弓网原始图像，转换为第一弓网灰度图像；S2根据对应的弓网原始图像中的场景尺寸对所述第一弓网灰度图像进行分类，为每个场景尺寸类别的所述第一弓网灰度图像匹配模板，使得模板匹配算法能够识别在某个场景的弓网区域。S3通过模板匹配算法从每个场景的所述第一弓网灰度图像中截取第一弓网图像；S4重置所述第一弓网图像的尺寸，标记该重置尺寸后的所述第一弓网图像；基于该标记后的所述第一弓网图像，通过打包处理建立数据集；S5建立卷积神经网络，将所述数据集进行划分，获得训练集、验证集和测试集，将该训练集、验证集和测试集输入到该卷积神经网络进行训练；S6基于弓网原始图像，转换为第二弓网灰度图像；S7根据对应的弓网原始图像中的场景尺寸对所述第二弓网灰度图像进行分类，为每个场景尺寸类别的所述第二弓网灰度图像匹配所述模板；S8通过模板匹配算法从每个场景的所述第二弓网灰度图像中截取第二弓网图像；S9通过训练后的所述卷积神经网络，判定所述第二弓网图像中弓网的状态。2.根据权利要求1所述的方法，其特征在于，步骤S3包括：S31通过滑动模板遍历所述第一弓网灰度图像中弓网所在的弓网区域，计算模板匹配该弓网区域的误差值；S32选择误差值最小的所述第一弓网灰度图像中弓网所在的弓网区域，获得所述第一弓网图像；所述模板匹配算法为平均绝对差算法，该平均绝对差算法的步长为1。3....

【专利技术属性】
技术研发人员：吴命利，应宜辰，杨少兵，刘秋降，叶晶晶，宋可荐，何婷婷，王立天，苏鹏程，
申请(专利权)人：中铁电气化勘测设计研究院有限公司株洲中车时代电气股份有限公司，
类型：发明
国别省市：