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)...     

基于关键区域HOG特征的铁路接触网鸟巢检测

鸟害一直是造成铁路接触网故障的一个重要原因,如何防止鸟巢在接触网上搭建,以及快速有效地发现已搭建鸟巢并清除,关系着铁路的运行安全。对于已经存在的鸟巢,目前只能通过人工巡检的方式发现并清除,不仅浪费人力,而且不能及时排除安全隐患。采用智能分析车载视频的方式解决这一问题,提出基于关键区域HOG特征的接触网鸟巢检测方法,对疑似鸟巢的关键区域进行粗提取,并提取HOG特征,再通过S VM分类器进行精确提取,自动甄别出鸟巢区域。通过测试,识别率达到90%以上,验证了该方法的有效性。     

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。     

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。     

地铁高架段线路接触网悬挂异物的应急处置

对地铁高架段接触网悬挂异物进行了风险分析。以西安地铁3号线为例,总结以往在异物处置方面存在的问题和关键点,并根据现场的实际异物类型、异物发生的地点、车站人员配置以及地铁行车组织情况等提出了具体处置方案。以流程图的形式反映出整个接触网悬挂异物应急处置过程。可为其他高架段接触网的异物处置提供参考。     

基于时空大数据的高速铁路接触网鸟巢病害分析

高速铁路基础设施检测领域多年来积累了大量的历史数据,为故障分析及检修决策提供了重要支撑。建立在空间信息技术之上的时空大数据分析为接触网鸟巢病害提供了新的处理和预防方法,能够突破传统分析方法的局限,达到快速、及时的目的,从而有效提高病害处理效率和预防效果,并可降低接触网鸟巢病害处理的成本。基于大数据技术原理,针对接触网鸟害发生时蕴含的时空数据,利用地理信息技术、时空聚合方法等,构建一种基于地理信息的全维度、多层次的鸟巢病害分析流程,补强接触网巡检,为提高接触网鸟巢病害处理能力和预测手段提供新的技术和方法。     

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。     

接触网鸟害防治方案研究

结合近年接触网鸟害数据及防治措施,从鸟害区域分布、搭建时间、搭建位置方面分析了鸟巢搭建规律,并对接触网不同位置鸟害提出了针对性的预防措施及建议。     

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。     

基于目标识别与跟踪的嵌入式铁路异物侵限检测算法研究

铁路线路异物侵限是威胁行车安全的一个重要隐患。基于机器视觉与嵌入式技术设计了异物侵限自动检测系统,利用FPGA和ARM芯片实现了图像采集处理硬件平台。提出异物目标分类和运动行为分析相结合的嵌入式异物侵限检测算法。算法采用两级判别结构,首先利用支持向量机及一组特征向量对背景差分图像得到的异物目标进行分类,根据分类结果滤除大部分行进列车目标,之后运用Kalman滤波器设计目标跟踪算法,对其余目标进行行为和运动趋势分析,滤除其中非侵限干扰信息提高报警准确率,并对有侵限趋势的异物提前预警。实验表明,该系统能够有效地识别检测区域内的异物目标,系统侵限报警准确率达到97.11%,平均检测频率达13帧/s。     

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。     

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...     

地铁曲线站台空隙异物自动检测预警系统研究

针对地铁司机在开车前无法独自完成曲线站台车门与屏蔽门间空隙异物检测而存在运营安全的隐患,提出一套地铁曲线站台空隙异物自动检测预警系统。通过在站台每扇屏蔽门上方安装微型摄像机来拍摄站台屏蔽门与车门间空隙图像,利用图像处理算法对所拍摄的图像进行车门检测并确定车门在图像中的区域（即感兴趣区域）,在乘客上下车完成后对感兴趣区域进行异物检测,并在存在异物的情况下发出预警,提醒司机延迟开车。实验证明,该系统能准确检测出空隙中存在的异物,可以辅助列车司机完成开车前对地铁曲线站台空隙异物的检测。     

基于均值漂移和粒子滤波算法的接触网几何参数检测方法研究

随着高速铁路6C检测监测系统技术规范的提出,基于视觉技术的非接触式接触网检测方法越来越受到业内研究人员的重视。为提高接触线上激光斑点跟踪定位的实时性以及测量值的准确性,提出了一种基于均值漂移和粒子滤波算法的接触网几何参数检测的新方法。首先,基于灰度颜色直方图特征分布和接触网"之"字形架构建立光斑目标模型;其次,利用聚类方法对粒子进行聚类,以聚类中心为起点运用均值漂移算法进行迭代计算,对迭代计算的结果利用粒子滤波算法得到光斑目标的图像坐标;然后,将激光斑点在图像坐标系下的坐标进行空间变换,得出接触线的几何参数导高和拉出值在世界坐标系下的测量值。最后,结合检测车在某供电段测试区的实际运行数据,验证了该方法的实时性和准确性。     

接触网零部件状态描述标准词典研究

对开展接触网零部件状态描述标准词典研究的意义与价值进行了分析,提出以相关标准的规定确定状态描述标准词典中接触网零部件名称,并以层级关系分级描述,以传统应用经验与视频图像智能识别技术相结合的方式规范零部件状态描述名称和分类方式;通过建立编码规则为接触网零部件名称、状态描述名称、各层级分类分别设置数字代码;初步形成了接触网零部件状态描述标准词典,为建立接触网检测视频图像类大数据库创造了条件.     

基于视觉识别算法的接触网自动巡检系统设计

通过在电力机车司机室架设视频采集和视频分析设备,运营中的电力机车可以对接触网杆件的状态和杆件周边的环境进行自动的分析和处理,从而完成接触网自动巡检。本文根据上述原理,设计并实现了一套基于视觉识别技术的接触网自动巡检系统。该系统通过对杆件号码牌的识别确定具体的巡线位置,通过对接触网杆件三角附近的异物形状的检测判断杆件及接触网的基本安全特征,最后将结果自动上传给管理中心,从而保障了接触网系统的正常运行。