基于视频图像的弓网接触位置动态监测方法

针对列车人工检测受电弓状态效率低下的问题,提出基于视频图像的弓网接触位置动态监测方法.首先,将运用帧间差抓取受电弓视频中得到的包含弓网的图像作为原始训练数据集;然后,对复杂的受电弓图像背景进行分割处理,采用超像素分割获得最大特征区域,结合特征图像的HOG(方向梯度直方图)获得最大特征ROI(感兴趣区域),形成训练数据集,并设计标签;最后,运用改进的YOLO v3-tiny-strong网络结构检测分类器,用训练的权重对视频目标进行监测.结果 表明:该动态监测方法能够在每1帧图像中精确标记出受电弓与接触网的接触点位置,并且能够持续对受电弓的运动状态进行捕捉,有效获取接触点与受电弓的相对坐标位置,从而达到对受电弓的监测目的 ,其对弓网视频的检测精度可达98％.     

基于关键特征梯形的城市轨道交通车辆受电弓羊角形变检测方法

针对城市轨道交通车辆受电弓羊角的形变和断裂，提出了基于关键特征梯形的受电弓羊角形变检测方法。首先，进行图像滤波预处理，去除图片中的高斯噪声；其次，对预处理图像进行LC(亮度对标)显著性检测，将图像的前景和背景分离，利用GrabCut算法完成图像分割，简化除采集图像中的受电弓以外的复杂环境背景，保留受电弓的完整特征；最后，按一阶梯度和二阶梯度信息为特征关键点匹配模板，得到2个羊角尖和2个螺母的关键点位置，将4个关键点连接形成特征梯形，对特征梯形面积进行计算，并与标准的受电弓特征面积进行比对，进而计算出受电弓羊角的形变比。试验结果表明：该算法能准确地定位羊角位置和计算其形变，可为维修人员及时更换受电弓提供依据。     

基于曲波域移动平行窗的受电弓滑板裂纹识别

针对受电弓滑板非接触式裂纹故障检测问题,提出一种基于曲波域移动平行窗的受电弓滑板裂纹识别算法。算法利用曲波变换多方向性及各向异性特点,对受电弓滑板图像点状、线性和非线性特征进行分类。在曲波分解方向矩阵中使用移动平行窗口并计算窗口能量值,依据能量值区分线性平行接缝与背景噪声、螺钉和刮痕等其他非线性图像特征,最终获取滑板裂纹信息。实验结果表明,本文算法能有效地分类滑板图像特征,较准确地检测并定位滑板裂纹故障,识别率达到94.1%。     

基于线阵相机扫描的地铁车顶关键部件检测研究

文章提出了基于线阵相机扫描的状态监测方法,采用3台线阵相机对车顶图像进行扫描,根据实时采集的车速信息对图像矫正后拼接成全局图,利用HOUGH不规则形状检测实现对关键部件进行定位,再针对不同部件使用不同算法分析当前状态与历史状态的差异,重点对受电弓滑板和绝缘瓷瓶进行了算法分析,结果表明,可以较好地实现异常状态的判定。     

基于映射空间编码的高速运动轨道图像去模糊研究

针对轨道缺陷检测系统因镜头抖动或相机快速移动而导致所采集图像较为模糊的问题,提出一种基于最大后验概率估计思想的映射空间编码的高速运动轨道图像去模糊算法。首先,该算法使用深度编解码器和残差网络分别对数据集中清晰图像到模糊图像的映射关系和模糊核进行编码,为了保证编码时频率信息的完整性,算法在传统的残差模块上引入快速傅里叶变换通道构成双通道残差网络,以补偿多次特征提取带来的频率损失;其次,算法采用深度图像先验(Deep Image Prior,DIP)将潜在的清晰图像和模糊核进行参数化,再利用先验得到的模糊核和清晰图像来调用编码空间中的映射关系;最后,通过交替优化潜在的清晰图像和模糊核,从而去逼近一个真实未知的映射,进而实现真实场景下高速运动轨道图像的去模糊。实验结果表明,双通道残差模块提取的特征图频率信息分量强度普遍高于传统的残差模块,相较于使用传统残差模块实现该算法,采用双通道残差模块可使峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)提升0.84 dB,结构相似性(Structural Similarity,SSIM)提高0.025 1。与现有的深度学习去模...     

基于仰拍方式的受电弓滑板图像检测

目前大部分基于图像处理技术检测受电弓滑板磨耗量的图像都是采用俯拍的方式获得的,该方式对于某些复杂的弓形存在着一定的局限性。提出采用一种较好的仰拍方式来采集受电弓滑板图像,首先由CCD摄像机拍摄受电弓的滑板图像,由视频采集卡将其传输,存储到检测主机,然后对保存的图像进行处理,定位受电弓滑板边缘和接触导线。通过该检测方法可以为受电弓滑板磨耗检测提供关键数据。     

一种单轨列车受电弓滑板磨耗检测系统的设计

针对单轨列车受电弓滑板磨耗问题,提出一种基于线结构光测量技术的受电弓磨耗在线检测方法,该方法利用线激光获取受电弓滑板轮廓畸变图像,并对图像进行图像处理操作从而计算出受电弓滑板的磨耗最大量。首先,当机车驶入指定区域,自动触发摄像机采集受电弓滑板实时状态的光条纹图像;然后将采集到的图像进行预处理,提取光条纹中心,计算滑板的磨耗量;最后根据计算的磨耗量对机车的运行状况进行评估,从而保证机车安全运行。采用磨损后的受电弓滑板实物为检测对象,实测最大磨损量为8.500 mm,使用本文磨耗检测技术得出的受电弓滑板最大磨损量最大绝对误差为0.300 1 mm,实验结果表明,本文方案满足铁路技术标准要求的最大绝对误差值0.5 mm以内的条件。     

受电弓滑板磨耗测量算法的研究

将数字图像处理技术应用于受电弓滑板磨耗测量,提出一种受电弓滑板磨耗测量算法,结合边缘提取、形态学图像处理、Hough变换、聚类分析等方法,实现从图像上测量计算出受电弓滑板实际磨耗厚度.该算法由起点定位、边缘跟踪和厚度计算构成.其中,起点定位用于确定滑板上下边缘的起点坐标;边缘跟踪结合Sobel算子和Canny算子的优点获取滑板磨损面的边缘信息;厚度计算利用物-像固定比值计算滑板磨耗厚度,并采用均值方法提高测量精度.     

基于LBP和HOG决策融合的高速列车受电弓检测

针对受电弓滑板检测装置图像拍摄中受电弓的检测问题,提出一种基于LBP和HOG特征分类信息决策融合的受电弓检测方法。通过测试,相比采用单一分类器进行检测,该方法对受电弓区域的检测具有更低的漏检率和误检率,检测效果好,具有较高的应用价值。     

基于深度残差网络的轨道结构病害识别

传统的轨道检测方法需要事先对图像进行定位和分割等预处理操作,而定位和分割操作的误差又会直接干扰到后续的分类识别,多环节误差叠加,使得识别准确率低。同时,传统检测方法还需要理想的背景环境,当背景环境或结构类型发生改变时,其算法不再适用,不具备良好的鲁棒性。因此,提出一种基于深度残差网络的轨道结构病害检测方法,该方法不需要对原始图像进行预处理,同时深度残差网络以其更深的层数和更复杂的网络结构可以高效提取出各类轨道结构图像的特征并进行分类识别。以某客货共线线路隧道的钢轨踏面、钢轨扣件和支承块图像建立数据库,通过迁移学习的方式在数据库上训练网络模型,实现对钢轨、扣件及支承块三种轨道结构的病害识别,识别准确率高达98.51%。在此基础上,从识别准确率、损失函数值等方面对深度残差网络在轨道结构病害识别中的应用效果进行对比、分析,验证方法的有效性。     

城轨列车受电弓滑板磨耗检测技术研究

为实现城轨列车受电弓滑板磨耗的在线非接触式检测,对城轨列车受电弓滑板磨耗检测技术进行研究。提出一种基于图像处理的受电弓滑板磨耗检测方法,其步骤为:首先,对采集系统采集到的原始图像进行图像滤波,滤除原始图像中的混合噪声;然后,采用基于直方图凹度分析的自适应Canny边缘检测方法对滤波后的图像进行边缘检测,检测出图像内受电弓滑板边缘;最后,通过相机标定和曲线融合获得实际的受电弓滑板磨耗曲线,以判断受电弓滑板磨耗是否超限。试验结果表明:该方法能有效地检测出原始图像中的受电弓滑板磨耗曲线,能有效地实现城轨列车受电弓滑板磨耗的在线非接触式检测。     

LV2600型受电弓滑板剩余磨耗量检测

受电弓是给电力机车及动车组提供能量的主要部件之一,为保证车辆行车安全必须对受电弓进行安全检测。介绍了图像处理技术在LV2600型受电弓滑板剩余磨耗检测中的应用,首先利用滑板图像的特征对图像进行剪裁,大大减少了运算量,然后使用滤波等技术去除图像的噪声提高图像质量,最后对滑板图像进行边缘检测,得到有效滑板边缘,通过摄像机标定参数计算得到滑板剩余磨耗量。该技术有效的监测了滑板的运行状况,为铁路运输安全提供了保障。     

一种非接触式接触网动态拉出值实时测量方法

针对目前铁路供电检测领域静态拉出值测量流程繁琐、效率低、测量值与实际动态拉出值存在一定偏差等问题,提出一种基于实时图像处理的非接触式动态拉出值测量方法。该方法利用可见光相机实时检测定位受电弓区域,通过边缘检测算法得到受电弓的中心点坐标;借助弓网接触点必然存在高温的特点,利用红外相机得到精确的弓网接触点;通过预先对红外和可见光相机进行相应标定得到弓网接触点在可见光图像中的坐标,计算弓网接触点距受电弓中心的距离,进而得到接触线相对受电弓中心的动态拉出值。该方法具有一定推广应用价值。     

间接接触网自动检测方法的研究

提出了一种通过对受电弓状态的检测,间接判断接触网是否有故障可能的方法。利用图像处理技术,采用霍夫变换分析采集受电弓图像的倾斜角度。建立受电弓形状模板,提出受电弓重合面积比这一参数,利用模板匹配法分析受电弓形变情况。实验证明,该方法可以有效判断受电弓的倾斜和变形情况,从而实现接触网故障报警。     

基于卷积块注意力模块和双向特征金字塔网络的接触网支持装置检测方法研究

接触网支持装置是接触网悬挂状态检测监测图像分析的关键对象，对支持装置零部件的检测定位是实现缺陷自动分析的基础。针对接触网支持装置零部件种类多、尺寸差异大、存在遮挡、部分零部件相似度高等问题，提出一种融合卷积块注意力模块（convolutional block attention module,CBAM）和双向特征金字塔网络（bidirectional feature pyramid network,BiFPN）的接触网支持装置检测方法。在YOLO v5s网络模型基础上，该方法通过CBAM增强接触网支持装置的特征提取，结合BiFPN，实现不同零部件分辨率特征图的融合。利用4C装置获得的图像数据集，开展验证试验。试验结果表明，相对YOLO v5s网络模型，融合CBAM和BiFPN的接触网支持装置检测方法，网络平均精度mAP@0.5提高2.12%；能显著提升小目标检测效果，提高定位的准确性和稳定性，对接触网状态的智能分析有重要意义。     

电力机车受电弓精确检测定位技术研究

电力机车受电弓检测定位是地面自动过分相装置的关键技术,控制系统需依据受电弓的数量和运行位置选择开关导通和关断的时刻。本文研究了重载、高速铁路列车编组方式及机车受电弓情况的差异,阐述了几种可行检测方案的检测原理及不足,提出了一种基于激光雷达的受电弓精确检测定位技术,介绍了该新型检测方案的工作原理,并设计了检测方法及安全保障措施。     

朔黄铁路隧道衬砌表观病害检测技术北大核心

为实现朔黄铁路隧道衬砌表观病害远距离非接触快速检测,提出一种基于多源数据深度融合的隧道病害检测方法。首先利用高清线阵相机、激光扫描传感器等检测设备获取隧道衬砌表观高清图像和激光点云数据,然后利用特征提取网络提取图像和点云特征图,并采用空间变换方法将图像特征图投影到点云特征俯视图上得到融合特征图,最后利用候选区域网络和金字塔场景分析网络对融合特征图进行检测识别,输出病害的类型与位置信息。在朔黄铁路重点隧道开展的现场试验表明,该方法能检测隧道裂缝、掉块、渗水等表观病害状态,有效提升重载铁路隧道运维的智能化程度及综合检测水平。     

广州地铁新线车辆受电弓在线动态检测系统

针对地铁车辆受电弓检测耗时耗力的问题,提出了一种利用图像检测法的在线动态检测系统。首先介绍了系统的总体构成,包括现场数据采集单元、现场控制单元、数据分析单元、数据存储与发布单元和客户访问单元五部分;其次详细介绍了系统的四个子系统(受电弓弓头检测系统、受电弓温度检测系统、车顶监测系统和车号自动识别系统)的系统方案和工作原理;最后对该系统进行计算机仿真验证,验证结果表明该系统优于人工测量,具有实时、准确、可靠等优点,满足受电弓测量和维保需求。     

基于生成对抗网络的隧道裂缝自动分割算法研究

传统裂缝识别技术需要大量带标签的裂缝图像作为试验数据集，为减少裂缝图像标注的工作量，利用生成对抗网络图像分割的特性与优势，构建一种Crack-GAN网络用于隧道裂缝自动分割。Crack-GAN网络结构集成2个模块：融合残差化U-Net网络的生成器网络和利用全卷积网络生成置信图的判别器网络。首先U-Net模块使用密集的残差模块来生成保留细粒度信息的深层表示，然后判别器来判断输入真假，并以端到端的方式训练，再经过生成对抗模型之间不断迭代，使生成模型达到分割裂缝的最优状态。试验表明，Crack-GAN网络在自制铁路隧道裂缝数据集上的像素准确性为98.35%,精准率为71.23%,召回率为80.78%,F1得分为75.98%,单次检测时间80 ms,综合表现优于U-Net和CrackSegNet。