高铁接触网旋转双耳销钉状态检测方法研究

针对高速铁路接触网支撑装置旋转双耳部件销钉的松脱与脱落问题,提出一种基于图像不变性目标定位及灰度分布规律特征的销钉不良状态检测方法。通过分析现场接触网支撑及悬挂装置图像,利用SIFT(Scale Invariant Feature transform)算法和改进的RANSAC(Random Sample Consensus)算法实现双耳部件的定位;采用Hough变换实现目标图像中双耳套筒倾角的提取,并将其旋转至水平方向,进而实现旋转双耳部分的分割;累加目标图像的竖直方向像素灰度值,确定销钉受力部分和两端非受力部分长度;归纳销钉正常工作及故障时这些长度间相关比值的范围,从而判断销钉的工作状态。实验表明,该方法能够较准确地实现销钉不良状态的检测。     

基于级联Faster R-CNN的高铁接触网支撑装置等电位线故障检测

在高速铁路接触网支撑与悬挂装置中,等电位线起到保证定位管与定位器间可靠电连接的作用。当其发生散股故障时,会对定位器支座造成电化学腐烛,甚至导致定位器与支座连接处断裂脱离,影响行车运行安全。针对高速铁路接触网支撑装置等电位线散股问题,提出一种基于级联Faster R-CNN目标定位的等电位线不良状态检测方法。通过分析接触网4C检测车采集到的接触网支撑及悬挂装置图像,利用第一级Faster R-CNN获得定位器支座部件特征并实现定位;利用第二级Faster R-CNN学习等电位线散股故障特征;通过对比分析等电位线正常及故障占比,实现等电位线正常与故障分类。实验表明,本方法能够较准确地实现等电位线不良状态检测,测试集识别准确率达到94.5%。     

基于深度学习的高铁接触网顶紧螺栓的缺陷检测

针对高铁接触网顶紧螺栓目标小、缺陷检测困难的问题,提出一种基于深度学习的顶紧螺栓缺陷检测方法。根据4C检测车拍摄的高铁接触网图片(大小为6600*4400 pixels),首先对特征信息更多的斜撑套筒进行定位,采用TDM模块与SSD相结合的算法提升算法对小目标的检测精度,并通过改变默认框的尺寸以得到更好的检测精度和速度;然后利用DeepLab v3 plus算法对顶紧螺栓部分进行语义分割;最后提出一种阈值法对顶紧螺栓的缺陷情况进行判别。为满足实际工程的速度需求,对训练好的模型进行优化。实验结果表明:相较于经典的SSD,本文改进的SSD方法对斜撑套筒的定位精度和速度都有提升;对于6600*4400 pixels的原始样本,本文提出的顶紧螺栓缺陷检测方法精度上达到95.9%,速度达到17.9 fps。     

基于几何特性的电气化铁路支撑装置管帽定位算法研究

针对接触网支撑装置图像(4C)中出现频率最高的管帽缺失故障,提出了一种基于几何特性的定位算法,实现了管帽区域的准确定位。首先对现场图像进行预处理;然后利用搜索阈值法二值化实现对支撑装置银色镀锌区域的提取;利用区域中心算法和最近像素定位法实现腕臂直线提取;最后根据支撑装置几何特性实现管帽区域的定位。实验表明,提出的定位算法能在复杂的接触网支撑装置图片中准确定位管帽区域。定位结果不受旋转、尺度、光照、支撑装置正反定位及图像中支撑装置主体结构是否完整等因素的影响,具有较高的实用价值和研究意义。     

基于深度学习的高铁接触网旋转双耳开口销钉缺失故障检测

针对高速铁路接触网支撑装置中旋转双耳开口销钉缺失故障检测的问题,提出一种基于深度卷积神经网络和集成学习的故障检测方法。通过Faster R-CNN网络对旋转双耳整体进行精确定位;在整体定位结果的基础上,进一步完成对开口销钉的精确定位,最大程度上降低背景对故障检测的干扰;通过多个深度卷积神经网络提取开口销钉图像的多种特征,最终由多个线性SVM构成的集成分类器实现开口销钉缺失故障检测。实验结果表明:本方法能在复杂的接触网支撑装置图像中实现旋转双耳开口销钉的精确定位,并且在销钉的缺失故障检测中表现出较高的可靠性。     

基于HOG特征与二维Gabor小波变换的高铁接触网支撑装置耳片断裂故障检测

针对高速铁路接触网支撑结构中旋转双耳耳片断裂故障难以检测的问题,提出一种HOG(histogram of oriented gradients,梯度方向直方图)特征与二维Gabor小波相结合的图像检测方法。为实现旋转双耳在待检测图像中的定位,利用其正负样本的HOG特征对线性SVM分类器进行训练,对检测窗口内是否包含旋转双耳进行判别。为实现耳片断裂故障的可靠诊断,利用二维Gabor小波变换能量值对图像中的边缘信息进行筛选,进而对耳片断裂故障引起的故障裂痕进行识别。实验结果表明,本文提出的方法能在复杂的接触网支撑与悬挂装置图像中准确识别发生耳片断裂故障的旋转双耳部件,检测结果不受拍摄距离、拍摄角度以及曝光度等因素的影响,具有较高的使用价值。     

高速铁路接触网悬挂装置开口销不良状态检测方法研究

针对高速铁路接触网支撑装置中开口销缺失、松脱和张角不足问题,提出两种基于灰度分布特征的检测判据。在定位阶段,依据斜腕臂及其连接处的线特征,对斜腕臂进行Hough直线检测并提取其两侧边缘的斜率特征,实现斜腕处开口销的初定位,利用PBoW模型对初定位图片进行分类;采用SIFT算法准确定位非斜腕处开口销。在检测阶段,使用Hough累加矩阵提取连接处螺钉的圆形特征,对销钉所处的圆环区域实现精确提取;针对圆环内无其他零部件遮挡和干扰情况,根据圆环内非连通区域分布规律给出表面开口销缺失和张角不足检测判据;根据销钉受力部分和两端非受力部分的灰度分布,给出双耳下方开口销不良状态检测判据。实验表明,本文方法能够较准确地实现多位置开口销不良状态的同时检测。     

基于SIFT特征匹配的高速铁路接触网支撑装置耳片断裂检测研究

针对高速铁路接触网支撑结构中旋转双耳耳片断裂的问题,提出一种基于尺度不变特征变换(Scale-invariant Feature Transform,SIFT)的图像检测方法。利用待分析接触网支撑与悬挂装置图像和标准旋转双耳图像之间的局部特征点匹配,实现旋转双耳的定位与提取,通过分析旋转双耳上边界曲线上各点的弯曲度,判断是否存在耳片断裂故障。实验表明:本文所提方法能在复杂的接触网支撑与悬挂装置图像中准确识别耳片断裂故障,不受拍摄距离、拍摄角度以及曝光度等因素的影响,且具有较高的检测效率。     

高速铁路接触网承力索座识别与辅助承力索缺失故障检测方法研究

针对高速铁路接触网承力索座辅助承力索缺失的问题,基于DHOG特征及离散余弦变换特征增强提出辅助承力索缺失故障检测方法。该方法首先需对样本库图像提取DHOG特征,在此基础上训练AdaBoost分类器并给出承力索座的精确定位;其次使用离散余弦变换滤除图像背景信息,实现辅助承力索目标特征信息增强;随后通过可接受圆弧检测、圆弧段聚类拟合实现图像内的圆形检测和统计,并根据统计数目,给出故障判据,最终实现高铁接触网辅助承力索缺失的故障判断。实验结果表明本文方法在目标定位上具有较好的尺度、旋转不变性,在故障检测上具有较高的检测精度。     

基于深度自编码网络的接触网开口销缺失识别

在对接触网悬挂装置状态进行检测时,因为缺少开口销缺失的样本,智能识别难以保证较高的准确率。本文提出了一种基于YOLO v2检测算法与深度降噪自编码网络的接触网开口销缺失识别方法,实现对开口销的定位及定位后开口销图像重构,通过分析重构误差判断接触网开口销是否缺失。试验证明该方法能有效识别开口销缺失情况。     

基于加速区域卷积神经网络的高铁接触网承力索底座裂纹检测研究

针对高速铁路接触网支撑结构中承力索底座裂纹的问题,提出一种利用加速区域卷积神经网络与Beamlet变换相结合的图像检测方法。该方法使用加速区域卷积神经网络实现对承力索底座在待检测图像中的识别定位,然后根据定位的承力索底座图像特点,通过Radon变换等预处理操作对承力索底座疑似裂纹区域精确定位,最后使用基于Beamlet变换的局部链搜索算法快速得到裂纹信息,实现承力索底座裂纹故障的可靠诊断。实验表明:该方法能在复杂的接触网支撑与悬挂装置图像中准确定位识别承力索底座裂纹故障,对拍摄距离、拍摄角度以及曝光度等因素具有很好的适应性,且具有较高的检测效率。     

基于图像处理的接触网定位线夹目标检测

随着接触网故障检测技术的发展,接触网悬挂状态检测监测装置可得到接触网定位装置的海量高清图像用于线下故障排查。为提高故障检测的效率和准确性,基于图像处理技术,根据定位线夹区域的结构特征设计定位线夹目标区域的检测算法,并通过实际图像数据验证算法的有效性和通用性。该算法对于背景复杂、光照不均、含噪声等现场实际图像均具有良好的适应性,算法检测准确率达90%以上,极大提高了检测效率并为进一步的缺陷检测奠定了基础,具有重要的实际工程意义。     

基于接触网成像技术的绝缘子故障检测方法

在电气化铁路接触网设备中,绝缘子是最易发生故障的零部件之一。文章运用接触网成像检测图片,采用SVM分类器,基于HOG特征对接触网成像数据中的绝缘子进行初步定位,再使用局部二值化实现绝缘子精确定位。针对绝缘子破损缺片、闪络放电、附着异物等3种典型缺陷,分别设计了故障识别算法,且该方法已在中国铁路广州局集团有限公司部分线路中进行实测,效果良好。     

基于自编码器的接触网定位器底座开口销缺失识别算法研究

随着接触网故障检测技术的发展,接触网悬挂状态检测系统可得到接触网定位器的海量高清图像用于线下故障排查。为提高接触网定位器底座开口销缺失检测的准确性和效率,基于自编码器无监督网络模型,根据定位装置开口销区域的图像特征设计开口销缺失识别算法,并通过实际现场图像数据验证算法的有效性和通用性。试验分析表明,该算法对于背景复杂、光照不均等现场实际图像均具有良好的适应性,算法检测准确率达90%以上,可提高接触悬挂零部件缺陷检测效率,具有重要的实际工程意义。     

基于计算机视觉的接触网定位器倾斜度自动测量方法

针对现行接触网定位器倾斜度检测方法效率低下、精确度不高的现状,研究基于计算机视觉的接触网定位器倾斜度自动测量方法.应用图像分割、剔除干扰线、图像细化等算法,对采集到的接触网定位装置的图像进行处理;然后用改进的Hough变换检测细化后的图像,对图像中相邻的特征象素点进行聚类并做感知编组;最后用随机Hough变换(RHT)...     

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。     

面向复杂环境的接触网关键设备缺陷检测方案

针对小样本及复杂环境下接触网关键设备缺陷检测难等问题，提出一种融合深度卷积神经网络和卡尔曼滤波的图像检测方案。采用MobileNet构建模型骨干网络，有效降低了计算成本；融合柔性非极大值抑制算法解决目标部件遮挡问题，并将上下文感知ROI池化层取代原始池化层，维护了小尺寸零部件的原始结构；最终通过卡尔曼滤波对检测结果进行修正，有效提高检测精度。实验结果表明：本文所述方法能够对复杂接触网设备实现零部件的精确检测，与相同条件下的其他检测算法相比综合性能最佳。     

基于计算机视觉技术的接触网定位器坡度动态测量算法

为实现对接触网定位器坡度的动态测量,提出基于计算机视觉技术的定位器坡度的动态检测算法。采用中值滤波算法和维纳滤波算法对拍摄到的图像序列进行图像预处理;对序列图像中的接触网定位器进行提取识别以及角点检测;选用NCC角点匹配算法对检测序列图像中检测到的角点进行匹配;在匹配角点的基础上,利用基于仿射不变性的直线匹配算法,对各幅图像中的直线进行匹配,从而可以自动获取图像序列中各图像直线的夹角,实现定位器坡度的自动动态测量并且减小了测量结果的不确定性。     

深度学习在接触网定位器缺陷检测中的应用

高速动车接触网运营安全的需求使得接触网关键零部件的缺陷自动检测成为一份有意义的工作。针对接触网巡检图像的定位器缺陷检测问题,本文提出了一种基于图像深度表示和直线检测的目标检测一体化算法。该算法采用选择搜索算法获得定位器在图像中可能存在的备选区域,利用深度卷积神经网络计算图像的深度特征,通过多任务学习的算法求得定位器的局部区域。随后,利用Canny边缘提取和Hough直线检测的方法在局部区域内精确检测定位器直线。针对接触网巡检图像的实际应用场景,对该算法在不同场景下进行验证,试验结果表明,该算法可以有效解决实际场景下的定位器缺陷检测问题。     

一种基于深度神经网络的腕臂底座开口销缺失检测算法

在接触网装置故障中,腕臂底座(包含平腕臂底座和斜腕臂底座)开口销缺失较常见,包括横向和垂直销钉开口销缺失两种.为对腕臂底座开口销缺失缺陷进行自动识别,本文提出一种基于深度神经网络的腕臂底座开口销缺失检测算法:首先采用YOLO算法对原始大图进行一级定位得到腕臂底座区域,然后对腕臂底座区域进行二级定位得到开口销区域小图,最后采用CNN(卷积神经网络)分类算法对横向和垂直开口销小图进行分类识别.实验测试证明该检测算法识别准确率高、漏检率低,可对腕臂底座开口销缺失进行有效检测.