一种基于视觉识别的接触网微小部件验损方法技术

本发明专利技术公开了一种基于视觉识别的接触网微小部件验损方法，包括以下步骤：利用复杂网络的社团分析方法对目标图像进行像素点社团分析，以去除目标图像中的无效像素点，所述目标图像为接触网微小部件的视觉图像；利用所述超分辨率处理参量对目标图像进行超分辨率处理得到超分辨率目标图像。本发明专利技术在全局图像中去除无效像素点（背景、噪声），仅保留与完成微小部件的状态检测相关的像素点（部件像素点），提高检测结果的可靠性，并在后续进行超分辨率处理时，降低数据无效处理量，实现目标图像超分辨率处理的定制化设定以达到超分辨率处理的最优化，保证最佳处理效果，提高最终验损的效果。效果。效果。

【技术实现步骤摘要】
一种基于视觉识别的接触网微小部件验损方法


[0001]本专利技术涉及接触网验损
，具体涉及一种基于视觉识别的接触网微小部件验损方法。

技术介绍

[0002]对于接触网缺陷识别作业来讲，通常会涉及到微小部件的验损识别，比如管帽、双耳连接器、承力索吊悬线夹、V拉线夹等微小目标的验损，由于待检测图像为接触网悬挂状态的全局图像，图元多且细节信息复杂，且管帽、双耳连接器、承力索吊悬线夹、V拉线夹等微小目标作为待检测目标而言都比较小，其可能存在的不良状态特征一般不明显，在全局图像中完成微小部件的状态检测难度很大，除此之外还有其他背景干扰元素和噪声的存在，这些都会导致检测结果的可靠性降低，数据无效处理量增大，或在后续进行超分辨率处理时，运用统一的超分辨率处理模板，难以保证得到最佳处理效果。

技术实现思路

[0003]本专利技术的目的在于提供一种基于视觉识别的接触网微小部件验损方法，以解决现有技术中在全局图像中完成微小部件的状态检测难度很大，除此之外还有其他背景干扰元素和噪声的存在，这些都会导致检测结果的可靠性降低，数据无效处理量增大，或在后续进行超分辨率处理时，运用统一的超分辨率处理模板，难以保证得到最佳处理效果的技术问题。
[0004]为解决上述技术问题，本专利技术具体提供下述技术方案：一种基于视觉识别的接触网微小部件验损方法，包括以下步骤：步骤S1、利用复杂网络的社团分析方法对目标图像进行像素点社团分析，以去除目标图像中的无效像素点，所述目标图像为接触网微小部件的视觉图像；步骤S2、将步骤S1中得到的目标图像基于预设的超分辨率处理参量设定模型获取目标图像的超分辨率处理参量，利用所述超分辨率处理参量对目标图像进行超分辨率处理得到超分辨率目标图像，所述超分辨率处理参量设定模型用于实现目标图像超分辨率处理的定制化设定以达到超分辨率处理的最优化；步骤S3、将超分辨率目标图像基于预设的验损模型得到所述接触网微小部件的验损结果，以实现接触网微小部件的模型化验损。
[0005]作为本专利技术的一种优选方案，所述利用复杂网络的社团分析方法对目标图像进行像素点社团分析，包括：将目标图像的各个像素点的像素值进行灰度级量化得到每个像素点的灰度级；将像素点作为网络节点，将任意两个相邻像素点间通过网络边进行连接，以构成表征目标图像的网络拓扑，并将像素点的灰度级作为网络节点的节点权重；依次测算任意两个相邻像素点的像素相似度，并将两个相邻像素点的像素相似度作为两个相邻像素点对应的两个网络节点间网络边的边权重；
对具有节点权重和边权重的网络拓扑利用社团分析方法进行社团分析得到多个网络节点社团；对每个网络节点社团中的中心网络节点对应的像素点进行像素识别，其中，若中心网络节点对应的像素点为无效像素点，则将中心网络节点所属的网络节点社团中的对应的所有像素点标记为无效像素点；若中心网络节点对应的像素点为有效像素点，则将中心网络节点所属的网络节点社团中的对应的所有像素点标记为有效像素点。
[0006]作为本专利技术的一种优选方案，所述灰度级量化公式为：L=2
k
；式中，L为灰度级，k为表征像素值的二进制位数；所述像素相似度量化公式为：；式中，P
ij
为第i个像素点和第j个像素点的像素相似度，G
i
为第i个像素点的像素值，G
j
为第j个像素点的像素值，||G
i
‑
G
j
||2为G
i
和G
j
的欧几里得距离，i，j为计量常数。
[0007]作为本专利技术的一种优选方案，所述将步骤S1中得到的目标图像基于预设的超分辨率处理参量设定模型获取目标图像的超分辨率处理参量，包括：将步骤S1中已剔除无效像素点的目标图像输入至超分辨率处理参量设定模型，由超分辨率处理参量设定模型输出目标图像的超分辨率处理参量。
[0008]作为本专利技术的一种优选方案，所述利用所述超分辨率处理参量对目标图像进行超分辨率处理得到超分辨率目标图像，包括：依据目标图像的超分辨率处理参量对步骤S1中已剔除无效像素点的目标图像进行超分辨率处理，以实现将步骤S1中已剔除无效像素点的目标图像由低频重建为高分辨率的超分辨率目标图像。
[0009]作为本专利技术的一种优选方案，所述超分辨率处理参量设定模型的构建，包括：选取多个接触网微小部件的视觉图像作为样本图像，并对每个样本图像的各个超分辨率处理参量在取值范围内进行逐一取用获得各个超分辨率处理参量取值组合，利用每个超分辨率处理参量取值组合对样本图像进行超分辨率处理得到样本图像的各个超分辨率样本图像；对每个样本图像的各个超分辨率样本图像进行多组验损模型的验损识别，并统计出每个超分辨率样本图像的模型通用准确度，所述模型通用准确度为正确获得超分辨率样本图像中接触网微小部件验损结果的验损模型数量与验损模型总数量的比值；将模型通用准确度最高的超分辨率样本图像对应的超分辨率处理参量取值组合作为对应的样本图像的超分辨率处理参量设定值；将样本图像作为神经网络输入项，将样本图像的超分辨率处理参量设定值作为神经网络的输出项，并利用神经网络对所述输入项和输出项进行网络训练得到所述超分辨率处理参量设定模型；所述超分辨率处理参量设定模型的模型表达式为：
[X]n
=network(image)；式中，[X]n 为n个超分辨率处理参量的设定值，image为样本图像，network为神经网络。
[0010]作为本专利技术的一种优选方案，所述将超分辨率目标图像基于预设的验损模型得到所述接触网微小部件的验损结果，包括：将超分辨率目标图像输入至验损模型，由验损模型输出目标图像中接触网微小部件的验损结果。
[0011]作为本专利技术的一种优选方案，所述验损模型由神经网络基于视觉图像进行大数据训练得到。
[0012]作为本专利技术的一种优选方案，所述目标图像和样本图像的图像规格一致。
[0013]作为本专利技术的一种优选方案，所述社团分析方法为小社团分析方法，以提高无效像素点的识别率。
[0014]本专利技术与现有技术相比较具有如下有益效果：本专利技术利用复杂网络的社团分析方法对目标图像进行像素点社团分析，以去除目标图像中的无效像素点，利用所述超分辨率处理参量对目标图像进行超分辨率处理得到超分辨率目标图像，将超分辨率目标图像基于预设的验损模型得到所述接触网微小部件的验损结果，以实现接触网微小部件的模型化验损，在全局图像中去除无效像素点，仅保留与完成微小部件的状态检测相关的像素点，提高检测结果的可靠性，并在后续进行超分辨率处理时，降低数据无效处理量，实现目标图像超分辨率处理的定制化设定以达到超分辨率处理的最优化，保证最佳处理效果，提高最终验损的效果。
附图说明
[0015]为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉识别的接触网微小部件验损方法，其特征在于，包括以下步骤：步骤S1、利用复杂网络的社团分析方法对目标图像进行像素点社团分析，以去除目标图像中的无效像素点，所述目标图像为接触网微小部件的视觉图像；步骤S2、将步骤S1中得到的目标图像基于预设的超分辨率处理参量设定模型获取目标图像的超分辨率处理参量，利用所述超分辨率处理参量对目标图像进行超分辨率处理得到超分辨率目标图像，所述超分辨率处理参量设定模型用于实现目标图像超分辨率处理的定制化设定以达到超分辨率处理的最优化；步骤S3、将超分辨率目标图像基于预设的验损模型得到所述接触网微小部件的验损结果，以实现接触网微小部件的模型化验损。2.根据权利要求1所述的一种基于视觉识别的接触网微小部件验损方法，其特征在于：所述利用复杂网络的社团分析方法对目标图像进行像素点社团分析，包括：将目标图像的各个像素点的像素值进行灰度级量化得到每个像素点的灰度级；将像素点作为网络节点，将任意两个相邻像素点间通过网络边进行连接，以构成表征目标图像的网络拓扑，并将像素点的灰度级作为网络节点的节点权重；依次测算任意两个相邻像素点的像素相似度，并将两个相邻像素点的像素相似度作为两个相邻像素点对应的两个网络节点间网络边的边权重；对具有节点权重和边权重的网络拓扑利用社团分析方法进行社团分析得到多个网络节点社团；对每个网络节点社团中的中心网络节点对应的像素点进行像素识别，其中，若中心网络节点对应的像素点为无效像素点，则将中心网络节点所属的网络节点社团中的对应的所有像素点标记为无效像素点；若中心网络节点对应的像素点为有效像素点，则将中心网络节点所属的网络节点社团中的对应的所有像素点标记为有效像素点。3.根据权利要求2所述的一种基于视觉识别的接触网微小部件验损方法，其特征在于：所述灰度级量化公式为：L=2
k
；式中，L为灰度级，k为表征像素值的二进制位数；所述像素相似度量化公式为：；式中，P
ij
为第i个像素点和第j个像素点的像素相似度，G
i
为第i个像素点的像素值，G
j
为第j个像素点的像素值，||G
i
‑
G
j
||2为G
i
和G
j
的欧几里得距离，i，j为计量常数。4.根据权利要求3所述的一种基于视觉识别的接触网微小部件验损方法，其特征在于：所述将步骤S1中得到的目标图像基于预设的超分辨率处理参量设定模型获取目标图像的超分辨率处...

【专利技术属性】
技术研发人员：林仁辉，苏茂才，李轲，廖峪，唐泰可，
申请(专利权)人：诺比侃人工智能科技成都股份有限公司，
类型：发明
国别省市：