一种基于图像识别的2C检测方法技术

本发明专利技术公开了一种基于图像识别的2C检测方法，包括：在列车上使用采集设备对接触网悬挂及高速铁路线路全景进行实时采集；对采集到的图像数据进行处理，并判断图像数据中存在的异常；对图像数据中存在的异常进行标记，记录采集到异常图像数据的时间点，基于时间点判断标记点所在位置，并记录该位置经纬度；选取所有异常点图片组成二维关系图，以经纬度作为二维图的关系轴，展示异常点位置，并在终端上展示。本发明专利技术基于图像识别技术，对采集到的图像进行识别，基于机器学习算法对图像检测，判断出异常图像，记录该异常图像的时间点，根据定位法及计算法判断图像中存在的异常位置，以经纬度作为二维图的关系轴，展示异常点位置，并在终端上展示。在终端上展示。在终端上展示。

【技术实现步骤摘要】
一种基于图像识别的2C检测方法


[0001]本专利技术涉检测领域，具体是一种基于图像识别的2C检测方法。

技术介绍

[0002]接触网安全巡检装置（简称：2C）,是指通过在运营的动车组（或机车）司机室内临时架设便携式设备，对接触网的状态及外部环境进行视频采集，采集结果用于指导接触网运行维护的一种安全监测装置。
[0003]其主要作用是监测接触网设备有无明显脱、断、偏移及其他异常情况；有无鸟巢、树害等可能危及接触网供电安全的周边环境因素；有无侵入限界、妨碍机车车辆运行的障碍等。
[0004]然而现有的网安全巡检方法（简称：2C检测方法），基本通过网安全巡检装置采集视频图像，然后通过巡检人员以人工的方式进行查看，进而判断出接触网的状态；该种方式虽然准确率更高，但是效率较低，往往一条列车的视频需要查看很久，与实际情况而言，不太相符；同时检测工人长时间查看视频，容易出现视觉疲劳，进而影响判断准确度，进而影响巡检效果。
[0005]现有技术中， 存在利用2C进行图像监测的技术手段：现有技术1（CN111598855A）公开了一种基于深度学习和迁移学习的2C设备高铁接触网吊弦缺陷检测方法；具体公开了（1）输入拍摄的高分辨率图像；(2)将输入图像送入目标检测网络得到预测结果，用非极大值抑制算法过滤掉所有检测结果中重叠部分过大的检测框；(3)对检测出的正常部位进行坐标匹配；(4)根据匹配结果对漏检的部位进行定位；(5)利用分类网络对定位出的漏检部位进行分类；(6)输出所有异常检测结果.但是，该现有技术需要基于深度学习和迁移学习进行监测，上述算法对于硬件计算能力的要求较高，设备成本较高，且存在计算较慢、实时监测能力不足的问题，且深度学习需要进行模型训练，造成初始精度过低。
[0006]现有技术2（CN105501248A）公开了一种铁路线路巡检系统；具体公开了数据采集子系统设置在所述无人机上，采集所述铁路线路的现场数据，并将所述现场数据发送至所述数据及故障处理子系统进行处理，所述现场数据包括所述铁路线路的雷达扫描数据和现场图像数据。但是，该现有技术并未涉及如何对图像进行处理以提高检测精度的技术手段，具体来说，在实际场景中，由于铁路沿线的风霜雨雪和灰尘问题，无人机巡线检测手段的图像精度会严重降低，造成检测精度不足，无法提供准确的图像数据，也无法在简单高效的情况下完成对原始图像数据的处理。
[0007]现有技术3（CN104299260A）公开了一种基于SIFT和LBP的点云配准的接触网三维重建方法；具体公开了利用均匀模式的图像局部二值模式(LBP：Local Binary Patterns)对关键点进行特征描述，获得各关键点特征描述向量；然后，将向量间距离作为关键点间相似性判定度量，并以此确定不同视角下点云间的对应关系；最后，进行点云粗配准和最近点
迭代(ICP：Iterative Closest Point)精配准，获取待重建接触网零部件完整三维点云数据。该技术手段通过三维建模来实现对接触网的检测，同样存在计算量过大，造成非需要的建模数据等问题，特别的，该方法仅适应于“大检”，即，在完成正常建模后，需要在大检时再次建模，与正常建模进行对比，才能发现异常点，无法进行实时监测。
[0008]现有技术4（CN104567708A）公开了一种基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法；具体公开了将全景图的RGB颜色空间转化成HIS颜色空间，然后将成像平面上的平均亮度的1.2倍作为提取红色激光投射点的阈值，为了得到激光投射线的准确位置，本专利技术采用高斯近似方法来抽取出激光投射线的中心位置。但是，该方法需要进行高斯变换，对约束条件和位置关系的要求较高，在轨道沿线存在日常震动，会造成高斯变换中参数的畸变，使计算精度下降。

技术实现思路

[0009]专利技术目的：提供一种基于图像识别的2C检测方法，以解决现有技术存在的上述问题。
[0010]技术方案：一种基于图像识别的2C检测方法，包括：在列车上使用采集设备对接触网悬挂及高速铁路线路全景进行实时采集，在该过程中实时记录时间点；对采集到的图像数据进行处理，并判断图像数据中存在的异常；对图像数据中存在的异常进行标记，记录采集到异常图像数据的时间点，基于时间点判断标记点所在位置，并记录该位置经纬度；选取所有异常点图片组成二维关系图，以经纬度作为二维图的关系轴，展示异常点位置，并在终端上展示。
[0011]在展示时，可以包括两种方式；方式一：选取只查看异常点，此时可剔无异常的所有图片，可以更加迅速的查看异常位置及异常状态；方式二：逐一查看，将所有图片均展示出来，该种方式在一定程度上可以查漏补缺，但是速度上与方式一相比，存在差距。
[0012]本专利技术基于图像识别技术，对采集到的图像进行识别，基于机器学习算法对图像检测，判断出异常图像，并记录该异常图像的时间点，根据定位法及计算法判断图像中存在的异常位置，以经纬度作为二维图的关系轴，展示异常点位置，并在终端上展示。；同时对图像进行前期处理，对图像进行灰度话处理，同时对图像进行去噪，使得处理后的图像更便于机器学习算法的检测，取代了传统检测人员肉眼识别过程，大大缩短了巡检查看时间，且随着采集数据的增加，机器学习算法检测愈发精确，进而弥补了巡检的准确度。
[0013]在进一步实施例中，基于时间点判断标记点所在位置包括定位法及计算法；所述定位法包括：基于图像数据中存在的异常点对应的时间点，回溯在该时间点时列车的位置，进
而判断出该图像数据中存在的异常位置；通过设计定位法，在信号强等地域可以采用该方式，然而在信号较弱，且附近干扰较强时，可以选取计算法进行计算得知位置。
[0014]所述计算法包括：基于列车每个时间段的行驶速度，结合图像数据中存在的异常时间，计算出列车在轨道上的行驶距离，进而在轨道上判断出该图像数据中存在的异常位置。
[0015]由于高铁列车的轨道属于固定的，仅需计算出行驶距离即可得知存在异常的位置；即可以始发站起算，也可以根据中间站点起算；始发站起算时，直接以异常图片采样时间结合列车在该时间段的行驶数据，即可得知最终位置；以中间站点起算时，以中间站点出发列车时间点为准。
[0016]在进一步实施例中，判断定位法及计算法得出的两个位置是否重叠；是，认定重叠位置为异常位置；否，计算定位法及计算法得出的两个位置的直线距离，且判断直线距离是否小于设定值；是，认定定位法的位置为异常位置；否，认定计算法的位置为异常位置。
[0017]设定值可根据当地信号情况而定。
[0018]通过设定双重定位方式，进而避免出现图像中异常位置出现误差，在一定程度上增加了劳动效率。
[0019]在进一步实施例中，所述定位系统包括GPS；所述采集设备包括镜头及与所述镜头适配的CCD相机。
[0020]在进一步实施例中，所述终端包括手机、电脑、展示屏。
[0021]在进一步实施例中，图像数据处理包括：S1、对图像进行灰度化处理，处理前，将采集到的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的2C检测方法，其特征在于，包括：在列车上使用采集设备对接触网悬挂及高速铁路线路全景进行实时采集，实时记录时间点；对采集到的图像数据进行处理，并判断图像数据中存在的异常；所述对采集到的图像数据进行处理包括：S1、对图像进行灰度化处理，处理前，将采集到的视频图像截取为图片状态；所述S1还包括：S11、将彩色图像从RGB色彩模型转换至CIE Lab色彩模型；S12、在CIE Lab色彩空间中求原彩色图像的感知亮度，再利用色度分量a 、b修正图像感知亮度，实现彩色图像的初步灰度化，得到初步灰度图像；其中，a代表红绿色，b代表黄蓝色；S13、在CIE Lab色彩模型中，对所述彩色图像进行轮廓波分解，得到1个低频分量子带图像和多个高频分量子带图像；S14、对所述初步灰度图像进行与所述彩色图像同尺度的轮廓波分解；S15、计算所述彩色图像和所述初步灰度图像各子带之间色度对比度的比值，并按比例将所述彩色图像的色度信息添加到所述初步灰度图像中，得到最终的局部对比度增强的灰度图；S2、通过均值滤波法对灰度化处理后的图像进行去噪；所述S2包括通过在滤波的过程中选定模板，图像中每一点的像素值都由模板中所有点的像素值的均值代替；所述均值滤波法的滤波公式为：上式中，表示含有噪声的原始图像，即灰度化处理后的图像，表示经过均值滤波之后得到的图像，表示点为中心的模板中像素的集合，为集合符号，表示模板尺寸；S3、基于机器学习算法，对去噪处理后的图像检测，判断出异常图像；S4、对异常图像进行标记；对图像数据中存在的异常进行标记，记录采集到异常图像数据的时间点，定位系统基于时间点...

【专利技术属性】
技术研发人员：李曌宇，缪弼东，宋东海，牛亚军，赵正路，王军博，齐佳风，刘啸辰，肖世辉，刘玮，任志超，王冬冬，张雨，刘浩，夏志远，郄燚明，胡佳宾，
申请(专利权)人：中铁电气化局集团有限公司，
类型：发明
国别省市：