基于集成策略的接触网区域鸟窝智能识别方法

针对接触网区域鸟窝智能检测问题,本文提出基于检测模型融合及粗检测与精确识别相结合的智能识别方法.针对实际场景中接触网成像状况复杂的情况,分别利用YOLO-v5s和YOLO-v5l模型对接触网区域鸟窝进行检测,然后融合两个模型的检测结果,并使用Inception v4模型对融合后的结果进行精确识别.实验表明,检测模型融合后,在测试集上获得了较高的准确率和的召回率,通过Inception v4模型进行精确识别,识别性能得到进一步提升.本文所述方法有效实现了接触网区域鸟窝的智能检测,对于研发具有实用意义的接触网区域鸟窝智能识别系统具有重要意义.     

基于卷积神经网络的接触网支柱号识别方法研究

接触网支柱号是铁路供电部门现场运营维护的重要定位参数。基于卷积神经网络的接触网支柱号自动识别方法结合接触网图像的实际特点,对视频图像进行了归一化图像预处理,并对实际的支柱图片进行了卷积神经网络的训练,在支柱号识别确定的过程中考虑了接触网支柱号的分布特点,提高了支柱号识别的准确性。利用实际线路数据进行测试,取得了较好的识别精度和较快的识别速度。通过实验验证,该方法能够辅助铁路基础设施检测系统中缺陷的定位,指导现场运营维修。     

一种非侵入式接触网导线舞动监测方法

接触网导线舞动会危害电气化铁路的运行安全,造成较大的经济损失.为预防接触导线舞动而导致灾害发生,基于视频图像技术,提出一种非侵入式的接触网导线舞动监测方法.该方法利用侧方位安装的摄像机获取接触网实时图像,将图像进行预处理以减少运算量.采用区域边缘检测结合形态学运算完成接触导线边缘轮廓的提取,在此基础上应用Hough变换...     

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。     

基于图像处理的单轨交通PC轨道梁边缘检测

本文结合跨座式单轨交通系统PC轨道梁自身的特性,提出一种基于图像处理技术的PC轨道梁边缘检测方法.首先对轨道梁实景图进行同态滤波,增强图像对比度,突出边缘信息;其次利用canny算子进行边缘粗提取;最后,利用边缘跟踪自适应去除背景干扰信息,提取单一PC轨道梁边缘,同时结合Hough变换进行断线连接优化轨道边缘.仿真结果表明该算法能够准确提取PC轨道梁边缘信息,为后续的单轨线路诊断工作奠定了基础.     

基于特征匹配的接触网定位支座检测

针对高速铁路接触网的定位支座识别问题,提出利用图像处理技术中的特征匹配的方法对接触网综合检测车采集的接触网图像进行定位支座的检测,采用3种常见的特征描述子分别对定位支座进行旋转不变和尺度不变的特征点检测,对SURF和ORB特征描述点用欧式距离进行匹配,采用汉明距离对FREAK描述子进行匹配。试验表明SURF的匹配效果最好,性能最佳,该方法能够进行实际运用。     

一种融合小波变换和数学形态学的图像边缘检测算法

针对传统图像边缘检测方法中出现噪边、边缘定位不精确等缺点,提出一种融合小波变换和数学形态学的图像边缘检测算法。先将图像进行小波分解,高频部分利用小波模极大值噪声抑制和尺度相关子带关联算法进行边缘检测,可以很好地减弱噪声;低频部分利用修正的形态算子进行形态学边缘检测,能够检测出弱边且定位准确;最后对两种方法得到的边缘图像进行融合。实验结果表明,该算法能有效抑制噪声,提高边缘精度并且定位准确.     

基于深度卷积神经网络的铁路接触网鸟窝检测方法研究

鸟类在铁路接触网筑巢一直是造成接触网故障的一个重要原因,目前主要依靠人工巡检的方式确定是否存在鸟窝,不仅工作量大、漏检率高,而且效率低。因此提升接触网鸟窝的检测效率,及时排除隐患,对保障铁路安全运营具有重要的意义。针对此问题,提出了一种基于深度卷积神经网络的Faster R-CNN模型用于接触网鸟窝的自动识别。通过自定义合适的网络结构和参数,经过预训练、 RPN网络训练、Fast R-CNN网络训练以及对RPN和Fast R-CNN的联合训练,建立了适合鸟窝检测的Faster R-CNN模型,实现对鸟窝的检测。经试验,Faster R-CNN的准确率为88.5%,每张图片的识别速度为79 ms,通过与传统的HOG方法、DPM方法和卷积神经网络方法进行比较,验证了深度卷积神经网络对铁路接触网鸟窝检测高效性。     

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。     

基于YOLOv5的铁路接触网异物检测模型初步研究

接触网上附着的异物是影响铁路列车运行安全的一大隐患,在开行列车前需要检查接触网上是否有异物附着。目前,接触网异物检测主要依靠人工巡检,工作效率低,人力物力消耗大。文章通过建模实验,初步探讨利用基于深度学习的目标检测技术实现铁路接触网异物检测的可行性;构建了3种接触网异物检测模型：YOLO(YouOnlyLookOnce) v5模型、 YOLOv5+坐标注意力（CA,Coordinate Attention）改进模型和YOLOv5+ConvNext Block改进模型,利用包含鸟窝和轻质异物两种常见异物的接触网图像数据集,对这3种模型进行实验分析。实验结果表明,相比YOLOv5算法,对于检测鸟窝和轻质异物两种常见的接触网异物,YOLOv5+CA改进模型和YOLOv5+ConvNext Block改进模型具有更好的效果,且YOLOv5+ConvNext Block改进模型检测小尺寸目标的能力更强。     

基于深度学习与Hu不变矩的绝缘子故障检测

针对高速铁路接触网绝缘子故障检测问题,提出一种基于深度学习EAST模型与Hu不变矩的图像检测方法.利用EAST模型生成检测图像的掩膜图,与图像进行掩膜操作得到绝缘子区域,实现定位功能;利用二值化边缘检测提取绝缘子每片轮廓;利用Hu不变矩逐片进行轮廓相似度对比,通过对比结果判断绝缘子是否存在故障.实验结果表明,本文方法可...     

电气化铁路弓网综合检测数据分析方法

针对电气化铁路弓网综合检测数据分析及现场运行维护需求,运用数据分析工具介绍接触网主要结构形式在弓网综合检测数据中的典型特征和利用典型特征进行缺陷定位的方法,结合接触网局部缺陷诊断与综合状态评价的分析应用,提出阈值管理、图像辅助、重复对比、图形化、数据综合、数据融合等分析方法,并以实例验证了该分析方法排查接触网设备缺陷的实际效果。基于接触网检测数据分析提出的分析方法,为提升接触网检测数据分析质量,深入挖掘检测数据价值,推动电气化铁路接触网精准维修提供支撑。     

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。     

高铁接触网异物自动化智能检测方法

基于接触网安全巡检装置(2C)采集的海量图像数据,提出高铁接触网异物自动化智能检测方法,以实现稳健、可靠、精准的高铁接触网安全异常检测。该方法面向2C图像的特点以及接触网安全运行需求,首先对图像进行预处理,然后设计基于深度神经网络的异物检测方法,利用已标定样本训练异物检测模型,并通过预训练和重训练步骤进行深度学习模型的优化,最后将训练好的模型应用于真实场景中对特定异物进行自动检测。对采集的2C图像进行相关试验,结果表明,该方法可以快速有效地检测出接触网异物,准确率达到96.5%以上,具有较高的应用价值。     

基于局部特征描述的高速铁路接触网斜撑套筒定位与故障检测

针对高速铁路接触网支撑装置斜撑套筒部件的螺钉松脱与脱落问题,提出一种基于采用局部特征描述的统计模式识别算法和螺钉灰度分布规律的图像检测方法。首先计算斜撑套筒部件正负样本的HOG特征,训练基于AdaBoost算法的级联分类器,实现接触网支撑装置图像中斜撑套筒部件的定位识别。为减少误匹配率,采用支持向量机分类器与AdaBoost分类器级联的方法完成目标的精确定位。对定位得到的斜撑套筒子图像利用Hough变换和边缘检测寻找分割直线分离螺钉和套筒,使螺钉可以被单独分析。实验表明,本文方法能够较准确地实现斜撑套筒2种不良状态的检测。     

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。     

格构式硬横梁上吊柱的通用型安装方式

介绍了国内外接触网硬横跨上的硬横梁吊柱的安装方式,分析了各自的优缺点,提出格构式硬横梁上吊柱的通用安装方式,该方式可降低横梁重量及工程造价,有利于提高安全可靠性和制造标准化,施工安装方便。     

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)...     

新型国产轨道交通接触网检测系统研究

根据上海城轨交通接触网的现状及特点,阐述应用机器视觉理论研究开发专用非接触式接触网检测系统的关键技术,主要包括弓网关系、国内外检测技术现状、采用的技术路线、方案具体实施等,内容涉及高速数字成像、图像识别模型、图像边缘处理、几何光学布置设计、里程定位设计、多任务多进程软件设计。结果表明,接触网监测产品作为轨道交通接触网的专业检测装置,可适应国内轨道交通接触网的现状,同时利用自主研发的专业技术,可摆脱对国外进口设备的依赖,并能节约成本。     

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。