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4C图像弱监督检测的接触网开口销检测方法

接触网悬挂状态检测监测装置（4C检测装置）的应用有效指导了接触网设备的维修,提高了铁路行车安全性。除了传统的人工检测,目前大量的开口销图像依靠全监督视觉方法检测,且开口销在图像中占比较小,因此数据标注过程所需人力成本较大。本文提出基于弱监督的4C图像开口销检测方法,旨在仅对训练数据进行图像级标注即可完成目标检测任务,达到完善接触网开口销检测手段、提升检测效率及智能水平的目的。     

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.     

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。     

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。     

基于激光位移传感器的定位触发技术研究

接触网悬挂状态检测监测装置(4C)对接触网零部件进行检测,需要接收触发信号。定位触发设备运用激光测距传感器测量得到定位器相对车顶的高度信息,经过编码器脉冲分频、定位器高度自识别、定位器判断、脉宽调制4个环节,实现对接触网悬挂状态检测监测装置相机、光源的精准触发。基于定位触发设备的接触网悬挂状态检测监测装置在某试验基地和运营线路进行现场测试,结果表明:触发信号精准,检测装置可清晰地拍摄出支持装置、吊柱座、接触悬挂等设备照片,照片重复性良好。     

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。     

基于图像识别的高铁接触网紧固件开口销故障分类方法

针对高铁接触网紧固件开口销缺失、松脱和安装不规范等现象,基于图像识别理论提出一种开口销故障等级划分方案和基于机器学习的开口销分类方法。在分类阶段,首先采用SSD算法对接触网4C系统的回图进行开口销定位与识别,并采用Deeplabv3+进行语义分割,最后采用SURF特征检测器对语义分割图片提取关键点,再利用视觉词袋模型BOVW生成视觉码本,利用视觉码本对极端随机森林ERF进行训练并生成模型。极端随机森林通过网格搜索和交叉验证(Gridsearch+CV)实现参数调优,使用ERF模型对开口销图片分类。采用该方法对实际线路的图片进行实验检测,准确率达到了93.2%,且节省人力,能有效保障高铁的供电安全。     

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。     

接触网悬挂状态检测图像清晰度评价方法研究

接触网悬挂状态检测装置是通过高清相机对接触网进行图像采集,分析接触网零部件及悬挂状态,用于指导接触网的运行检修。科学、客观、合理地评价采集到的高清图像质量是保障检测质量的基本需求。分析接触网悬挂状态图像信息稀疏性、无参考性和多背景的特点,对比研究梯度特征、图像变换域、熵评价、点锐度和二次模糊5种评价方法,通过图像数据测试,验证了二次运动模糊算法对接触网悬挂状态图像清晰度评价的有效性,建议管理阈值设为0.3。     

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。     

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。     

图像识别技术在接触网悬挂状态检测中的应用

提出了一种新型基于计算机图像自动识别的接触网零部件悬挂状态检测算法。它与之前的人工肉眼图像判断和传统人工巡检相比,具有检测精度高、检测速度快、环境适应力强等优点。     

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。     

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。     

复用式多型行波技术的高速电气化铁路接触网故障测距研究

准确的测量高速电气化铁路接触网线路故障点的位置,不仅对牵引供电系统具有重要意义,而且也对铁路运输具有重要影响。根据行波传输理论以及行波测距的特点,研究一种A/C/D/E多型行波复用式测量接触网故障的测距方法,并结合小波分析、求导算法、改进型求导算法、模极大值法等综合分析不同方式的行波法测距结果,实现对故障行波与干扰行波的准确识别,提高了接触网线路发生故障时的精确定位。经模拟试验、现场测试、实时在线运行,通过故障行波测距装置对实际故障点的定位情况及波形分析,验证了该技术在高速电气化铁道接触网故障测距定位的实际使用效果。且不受接触网短路型式的影响,定位准确,精度能够得以保证。     

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。