本发明专利技术公开了一种基于红外成像和气象监测的接触网覆冰检测方法，本发明专利技术使用红外照明照射检测目标，提高目标的亮度，减少环境光线干扰，通过红外成像传感器获取目标的实时图像，同时通过气象监测单元同步获取气象数据并进行归一化融合处理，数据在前端的边缘计算单元中通过深度学习模型，自动识别目标的积水、结冰、积雪等状态，并通过传输单元发送到后台系统。本发明专利技术能够自动识别目标接触网的干燥、潮湿、积水、结冰、积雪等状态，并具有非接触式测量、自动识别铜缆与检测目标状态、受可见光干扰小、同时显示多种存在的状态、优先检测结冰状态、能够对结果进行验算、可实时查看当前状态和记录、设备小巧轻便便于安装等优点。设备小巧轻便便于安装等优点。设备小巧轻便便于安装等优点。
【技术实现步骤摘要】
一种基于红外成像和气象监测的接触网覆冰检测方法
[0001]本专利技术属于人工智能与气象预报
，尤其涉及数字图像处理和轨道交通接触网覆冰监测技术。
技术介绍
[0002]接触网作为我国铁路和城市轨道交通的重要牵引方式，如出现结冰，容易导致受电弓取电不畅、产生电弧烧伤设备、甚至接触网断线，中断行车等严重事故，严重威胁了轨道交通的正常运行，对经济民生产生较大影响。如发现不及时，还需耗费大量人力物力动员除冰。
[0003]当前对于接触网的积雪、结冰的检测基本上都是根据天气情况，结合视频监控，依靠人工判断。受人力资源限制，可检测的范围和时间都难以满足实际需要。
[0004]也有针对监控视频使用边缘特征提取算法自动识别覆冰的研究，但是对于积雪、薄冰等情况基本上难以准确识别。同时容易受到环境光线和背景影响，容易产生误报、漏报。因此一直难以实现实际应用。
技术实现思路
[0005]专利技术目的：针对上述现有存在的问题和不足，本专利技术的目的是提供了一种基于红外成像和气象监测的接触网覆冰检测方法。本专利技术使用红外照明照射检测目标，提高目标的亮度，减少环境光线干扰，通过红外成像传感器获取目标的实时图像，同时通过气象监测单元同步获取气象数据（温度、湿度、降雨、降雪、风速等）。这些数据在前端的边缘计算单元中通过深度学习模型，自动识别目标的积水、结冰、积雪等状态，并通过传输单元发送到后台系统。
[0006]技术方案：为实现上述专利技术目的，本专利技术采用以下技术方案：一种基于红外成像和气象监测的接触网覆冰检测方法，包括以下步骤：步骤S1，原始数据获取：通过摄像装置获取目标接触网的实时红外图像和可见光图像，并同步获取实时气象数据，所述气象数据包括温度、湿度、降雨、降雪和风速；步骤S2，构建样本数据集：对步骤S1得到的原始红外和可见光图像数据进行归一化处理，并与气象数据进行融合，建立模型的样本数据集；步骤S3，构建MobileNetV3深度学习模型，通过步骤S2得到的样本数据集对深度学习模型MobileNetV3进行训练，得到训练好的深度学习模型；步骤S4，通过步骤S3训练好的深度学习模型对样本数据进行评估分析，从而识别目标接触网表面的干燥、积水、结冰或积雪状态。
[0007]进一步的，步骤S2所述样本数据集的构建过程如下：首先，通过式（1）得到接触网表面温度，
（1）式中，表示接触网表面发射率，这里取铜的0.78；表示大气透过率，取值为0.766；表示辐射成像值，这里取红外成像图像对应的像素值；n的取值为5.33；表示设备环境温度（K），表示大气温度（K）；然后，通过式（2）合成得到单通道的红外图像数据中R通道Channel[0]的值，（2）式中，为Channel[0]的值；表示接触网表面温度，表示可见光R通道值，表示采集的湿度值，取值范围为0.0~1.0；最后，将合成得到的红外图像数据中R通道的Channel[0]值，与可见光图像中的G通道的Channel[1]值和B通道的Channel[2]值融合作为样本数据。
[0008]进一步的，所述实时红外图像与可见光图像视场相同，且分辨率为800*600。
[0009]进一步的，所述接触网表面发射率，取值为表面氧化的铜的发射率0.78。
[0010]进一步的，步骤S3深度学习模型MobileNetV3的训练过程如下：（1）首先，设定模型学习的梯度下降率为0.001，将样本数据分批输入模型，通过式（3）计算批次中第i个样本数据的模型输出的损失，（3）式中，x表示输入样本，C为类别总数，取值为4；表示第i个类别对应的真实标签；表示对应的模型输出值；（2）然后，通过式（4）计算本批次的样本数据的平均损失L （4）
[0011]式中，L表示本批次的平均损失；n表示本批次样本数量，表示单个样本的损失值；（3）将本批次的样本数据的平均损失L与模型收敛阈值进行比较；（4）当L小于设定的模型收敛阈值时，完成模型训练；当L大于设定的模型收敛阈值时，通过Adam优化器更新模型参数重复步骤（1）~（3）进行迭代训练，直到L小于设定的模型收敛阈值或迭代次数达到设定值；（5）最后，训练后的深度学习模型MobileNetV3再通过输入验证样本数据集进行验证。
[0012]进一步的，步骤S3的步骤（4）中所述迭代次数的设定值为200。
[0013]进一步的，步骤S1中通过摄像装置获取目标接触网的实时红外图像时，还通过红
外照明提高目标接触网的亮度。
[0014]有益效果：与现有技术相比，本专利技术具有以下优点：本专利技术能够自动识别目标接触网的干燥、潮湿、积水、结冰、积雪等状态，通过传输单元发送到后台系统，并具有非接触式测量、自动识别铜缆与检测目标状态、受可见光干扰小、同时显示多种存在的状态、优先检测结冰状态、能够对结果进行验算，提高可靠性、通过后台实时查看当前状态和记录、设备小巧轻便便于安装等优点。
附图说明
[0015]图1为本专利技术基于红外成像和气象监测的接触网覆冰检测装置结构示意图；图2为本专利技术基于红外成像和气象监测的接触网覆冰检测系统原理框图；图3为本专利技术实施例目标接触网的红外成像图；图4为大气对红外线的吸收图；图5为本专利技术所述MobileNetV3轻量级深度学习网络模型的结构示意图；图6为本专利技术所述MobileNetV3轻量级深度学习网络模型中核心模块Bneck的结构示意图；图7为本专利技术所述MobileNetV3轻量级深度学习网络模型中每个通道权重的作用方式的描述示意图；图8为本专利技术所述MobileNetV3轻量级深度学习网络模型的训练流程示意图；图9为本专利技术实施例模型训练结果，x轴为训练batch次数，y轴为总损失百分比；图10为本专利技术实施例模型训练结果，x轴为训练batch次数，y轴为分类损失百分比；图11为本专利技术实施例模型训练结果，x轴为训练batch次数，y轴为定位损失百分比；图12为本专利技术实施例模型训练结果，x轴为训练batch次数，y轴为正则损失百分比；图13为本专利技术实施例模型学习率调整曲线，x轴为训练batch次数，y轴为学习率；图14为本专利技术实施例模型训练效果ROC曲线图，X轴为特异性（误报率），Y轴为敏感度；取现下方部分面积为AUC（AreaUnderCurve）。
具体实施方式
[0016]下面结合附图和具体实施例，进一步阐明本专利技术，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
[0017]如图1和2所示，本专利技术的基于红外成像和气象监测的接触网覆冰检测装置置安装在铁路边上的供电杆上，因此设备均不侵入轨道空间。红外相机和红外不关灯之间安装间隔在0.6米，边缘计算单元安装在下方的设备箱中。具体包括：红外照明单元：采用红外光源，照射目标，提高目标亮度，减弱环境光线干扰，具体包括以下设备：红外光源、镜头组件、同步控制模块。
[0018]红外成像传感器：用于获取目标的实施图像，包括红外本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于红外成像和气象监测的接触网覆冰检测方法，其特征在于包括以下步骤：步骤S1，原始数据获取：通过摄像装置获取目标接触网的实时红外图像和可见光图像，并同步获取实时气象数据，所述气象数据包括温度、湿度、降雨、降雪和风速；步骤S2，构建样本数据集：对步骤S1得到的原始红外和可见光图像数据进行归一化处理，并与气象数据进行融合，建立模型的样本数据集；步骤S3，构建MobileNetV3深度学习模型，通过步骤S2得到的样本数据集对深度学习模型MobileNetV3进行训练，得到训练好的深度学习模型；步骤S4，通过步骤S3训练好的深度学习模型对样本数据进行评估分析，从而识别目标接触网表面的干燥、积水、结冰或积雪状态。2.根据权利要求1所述基于红外成像和气象监测的接触网覆冰检测方法，其特征在于：步骤S2所述样本数据集的构建过程如下：首先，通过式（1）得到接触网表面温度，
ꢀꢀꢀꢀ
（1）式中，表示接触网表面发射率，这里取铜的0.78；表示大气透过率，取值为0.766；表示辐射成像值，这里取红外成像图像对应的像素值；n的取值为5.33；表示设备环境温度（K），表示大气温度（K）；然后，通过式（2）合成得到单通道的红外图像数据中R通道Channel[0]的值，
ꢀꢀꢀꢀ
（2）式中，为Channel[0]的值；表示接触网表面温度，表示可见光R通道值，表示采集的湿度值，取值范围为0.0~1.0；最后，将合成得到的红外图像数据中R通道的Channel[0]值，与可见光图像中的G通道的Channel[1]值和B通道的Channel[2]值融合作为样本数据。3.根据权利要求2所述基于红外成...
【专利技术属性】
技术研发人员：吴泓，李永，崔瑜，游弋，周林义，朱寿鹏，朱承瑛，曾燕，
申请(专利权)人：南京气象科技创新研究院，
类型：发明
国别省市：
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。