CN106052575B - 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 - Google Patents
基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 Download PDFInfo
- Publication number
- CN106052575B CN106052575B CN201610621845.1A CN201610621845A CN106052575B CN 106052575 B CN106052575 B CN 106052575B CN 201610621845 A CN201610621845 A CN 201610621845A CN 106052575 B CN106052575 B CN 106052575B
- Authority
- CN
- China
- Prior art keywords
- image
- carbon slipper
- carbon
- pantograph
- train
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0691—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of objects while moving
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Abstract
本发明涉及一种基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,当列车驶入检测区域,通过工业相机对运行中列车的受电弓进行连续拍照,得到若干受电弓图像,并发送到工控机;通过碳滑板目标图像识别方法对受电弓图像进行图像识别,选取一张目标图像,并分割出碳滑板所在有效区域;将分割后的碳滑板所在有效区域进行图像处理,得到碳滑板的几何形态;根据碳滑板的几何形态,计算出碳滑板最薄的位置及厚度。本发明检测精度高,并实现了对高速运行中的列车的受电弓碳滑板磨损实时进行检测,具有高精度、高效率、非接触、在线检测、抗干扰能力强,易于存储和再现等优点,实现了列车在正线上高速运行中的实时检测的目的。
Description
技术领域
本发明涉及高速列车检测领域,具体地说是一种基于列车高速运行中的受电弓碳滑板磨耗在线检测方法。
背景技术
随着我国高速铁路快速发展,我国的铁路运输能力得到了快速扩充,技术装备水平得到了快速提高,对我国国民经济发展起到了积极作用。在高速电气化铁路运输中,受电弓是电力机车运行时从电网中取电的装置。它通过机械摩擦与接触网导线接触,因此在机车运行的过程中,受电弓碳滑板的磨耗在所难免。当受电弓碳滑板因为磨耗使得剩余厚度达到相应的界限时,容易造成受电弓滑板与接触网导线分离,出现离线、暂时性断电等现象,由此可能引发严重的交通事故。因此,在电力机车运行当中对受电弓碳滑板的磨耗状况进行实时在线检测从而保证行车安全具有非常重要的意义。
目前,国内外现阶段对受电弓磨耗检测普遍存在速度慢、精度低、劳动力大等问题,与现阶段轨道交通的蓬勃发展现成较大的反差,对电力机车受电弓磨耗的检测大多采用人工目测,这方法已经成为电力机车入库检修的一个必要工序,采用此方法必须停车,且费时费力。近些年来,随着机器视觉技术的快速发展,而且相关技术日趋成熟,使得采用机器视觉技术对受电弓磨耗进行检测成为可行方案。机器视觉就是用机器代替人眼来做测量和判断。目前国内外的受电弓碳滑板磨损的机器视觉检测技术,主要采用传统边缘检测、霍夫变换(HoughTransform)等方法来来提取碳滑板的边缘,采用模板匹配的方法来确定碳滑板的磨损度。
边缘检测有不同的检测算子,不同的检测算子有不同的优缺点:Sobel算子和Prewitt算子检测出的边缘不是完全联通并会边缘不单一的现象,Roberts算子和和Laplacian算子对噪声比较敏感,Canny算子会对边缘产生预估计,从而影响检测精度,同时也受外界的光源环境的影响波动较大。
模板匹配方法需要将检测时的实时图像装换成与模板相同尺寸的图像后,进行像素对比,这就要求相机与被检测的受电弓具有绝对的物理距离,否则会影响转换的比例尺,但运行中的列车很难保证经过拍照点时位置绝对固定,适合安装在机务段停车检测。
发明内容
针对现有技术的不足,本发明提供一种基于机器视觉技术对高速运行中列车的受电弓碳滑板的厚度进行非接触式在线检测的方法。
本发明为实现上述目的所采用的技术方案是:
一种基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,包括以下步骤:
步骤1:当列车驶入检测区域,通过工业相机对运行中列车的受电弓进行连续拍照,得到若干受电弓图像,并发送到工控机;
步骤2:通过碳滑板目标图像识别方法对受电弓图像进行图像识别,选取一张目标图像,并分割出碳滑板所在有效区域;
步骤3:将分割后的碳滑板所在有效区域进行图像处理,得到碳滑板的几何形态;
步骤4:根据碳滑板的几何形态,计算出碳滑板最薄的位置及厚度。
所述工业相机为分辨率至少为2592*1944,帧率至少为25帧/秒,图像传感器尺寸至少为1英寸的面阵工业摄像机。
所述将得到的照片发送到工控机通过100Mbps以太网络进行传输。
所述碳滑板目标图像识别方法包括以下步骤:
步骤1:对图像进行灰度变换,根据直方图对灰度图像进行二值变换,得到二值图;
步骤2:通过Canny算子对得到的二值图进行边缘提取,得到边缘图像;
步骤3:对边缘图像进行连通域提取,对得到连通域的几何形态与标准碳滑板的几何形态进行比较,得到目标连通域;
步骤4:选取所占图像像素比例最大的目标连通域,其原始图像即为碳滑板目标图像。
所述碳滑板所在有效区域为截掉碳滑板两端,使截后的碳滑板两端厚度为原始碳滑板最大厚度的区域。
所述图像处理包括以下过程:
步骤1:对碳滑板所在有效区域进行灰度变换,得到碳滑板所在有效区域的灰度图像;
步骤2:对碳滑板所在有效区域的灰度图像进行滤波处理,得到滤波后的图像;
步骤3:采用Sobel竖直梯度模板对滤波后的图像进行水平边界增强,得到边界增强后的图像;
步骤4:对边缘增强后的图像进行边缘检测,得到碳滑板的上边界和下边界;其中,下边界y轴与上边界y轴的差值为碳滑板的厚度像素值。
所述边缘检测包括以下过程:
步骤1:在边界增强后图像的最左列(1,y),从上至下寻找白色连续像素点;
步骤2:对边界增强后的图像进行横向求导,得出灰度变化图像,并从白色连续像素点向下寻找灰度变化值最大的点,作为上边界的起始点(x,y);
步骤3:在(x+1)列,(y-2)行到(y+3)行的点中寻找灰度变化值最大的点做为碳滑板的上边界;
步骤4:对边界增强后的图像进行二值化,得到二值图像,找到面积最大的连通域,该连通域的下边界即为碳滑板的下边界。
当在(x+1)列,(y-2)行到(y+3)行的点中寻找多个灰度变化值最大的点时,取y值最大列的点做为碳滑板的上边界。
所述根据碳滑板的几何形态,计算出碳滑板最薄的位置及厚度包括以下过程:
取靠近两端区域厚度像素值的平均值作为未磨损的标准厚度像素值,取碳滑板最小的厚度像素值作为最大磨损点的厚度像素值;
根据未磨损的标准厚度像素值与碳滑板实际标准厚度值的比例关系,得出最大磨损点的厚度像素值对应的最大磨损厚度。
对所述碳滑板的上边界进行平滑处理,去除突变噪声点。
本发明具有以下有益效果及优点:
1.本发明采用工业相机,实现了对高速运行中的列车碳滑板在线检测,提高了检修效率,实现了高速实时在线检测;
2.本发明采用连续拍摄多张照片,对比选取一张最优的照片进行图像识别处理,提高了检测精度;
3.本发明根据碳滑板上边界的空隙处像素灰度特征,定位到碳滑板的上边界最左端的起始点,提高了识别的速度,快速有效的得到测量结果;
4.本发明采用横向求导法,通过灰度变化率来判断碳滑板的上边界,提高了边缘检测准确度;
5.本发明根据碳滑板的几何形态和磨损处的几何形态,采用逐点寻边的方法寻找碳滑板上边界,提高了检测精度;
6.本发明采用图像内部对比的方法确定碳滑板的磨损值,避免了模板对比尺寸转换引起的误差。
附图说明
图1是本发明的方法流程图;
图2是本发明的模块结构图;
图3是本发明的碳滑板上边界起始端定位流程图;
图4是本发明的碳滑板上边界边缘检测流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
如图1是本发明的方法流程图。
采用高清高速的工业相机,对高速运行中的列车进行在线连续拍照,不影响列车的正常运行,采用100Mbps以太网络进行图像传输。
采用图像轮廓形态对比的方法,获取一张碳滑板形态最佳、拍摄角度最好的照片进行图相分析;
根据碳滑板的形态、几何尺寸、颜色、及灰度特征,在图像中准确的定位碳滑板的位置,并分割出碳滑板所在区域的图像;
通过图像去噪,图像灰度变换,图像滤波,边界增强,边缘检测,平滑处理等算法获取碳滑板的几何形态;
根据碳滑板的几何形态,计算出碳滑板最薄的位置及像素厚度。
碳滑板边缘检测的方法包括上边界和下边界的边缘检测。
上边界边缘检测采用的方法为:
1)根据碳滑板上边界的空隙处像素灰度特征,定位到碳滑板的上边界最左端的起始点(1,y);
2)在边界增强后图像的最左列(1,y),从上至下寻找白色连续像素点;
3)对边界增强后的图像进行横向求导,得出灰度变化图像,并从白色连续像素点向下寻找灰度变化值最大的点,作为上边界的起始点(x,y);
4)在(x+1)列,(y-2)行到(y+3)行的点中寻找灰度变化值最大的点做为碳滑板的上边界;
下边界边缘检测采用的方法为:
1)进行高对比度的二值变换;
2)提取图像面积最大连通域;
3)最大连通域的下边界即为碳滑板的下边界。
上边界平滑处理的方法为:
根据碳滑板的几何特征,以及磨耗处的几何特征,去除碳滑板上边界的突变处进行平滑拟合,提高检测的准确度。
取靠近两端区域厚度像素值的平均值作为未磨损的标准厚度像素值,取碳滑板最小的厚度像素值作为最大磨损点的厚度像素值。
根据未磨损的标准厚度像素值与碳滑板实际标准厚度值的比例关系,得出最大磨损点的厚度像素值对应的最大磨损厚度。
如图2所示为本发明的模块结构图。
本方法主要分为六个模块:触发模块、连续拍照图像采集模块、最优图片选取模块、碳滑板矩形区域提取模块、碳滑板边缘提取模块、碳滑板磨损计算模块。
触发模块:负责检测列车驶来信号,并触发连续拍照图像采集模块。
连续拍照图像采集模块:采用高清高速的工业相机及稳定性好的工业闪光灯,当检测到列车驶来信号后触发相机及闪光灯,对运行中的列车的受电弓进行连的续拍照,相机采用100Mbps以太网络进行图像传输;将采集的图像传输到工控机,保证图像的清晰度和图片传输速度。
最优图片选取模块:在列车经过时,相机进行连续拍照,拍摄多张图像,从多张图像中选出一张拍摄角度和形态最佳的目标图像进行识别。采用Canny边缘检测算子进行对图像进行初步的轮廓提取,将受电弓碳滑板的几何轮廓形态与受电弓碳滑板的标准形态进行比较,选取一张几何轮廓形态与受电弓碳滑板的标准形态最接近并所占像素比例最大的一张图像为目标图像进行图像检测。碳滑板几何轮廓形态与受电弓碳滑板的标准形态最接近说明在图像拍摄过程中列车的震动及倾斜较小;受电弓所占像素比越高说明受电弓拍摄时与相机越接近,单像素点所代表的物理值越小,计算精度就越高。
碳滑板矩形区域提取模块:拍摄的到的图像是列车顶部的完整图像,根据受电弓碳滑板在图像中的物理位置、受电弓碳滑板的长条并向上弯曲的形态、几何尺寸、颜色、灰度特征及最优图片选取模块边缘检测的结果确定受电弓碳滑板在整幅图像中的位置,分割出有效的碳滑板的图像。
碳滑板边缘提取模块:
将彩色图像转换成灰度图像,采用伽玛变化,使用最大类间方差发找到一个合适的阈值,作为伽玛变换的伽玛系数,将彩色图像转换成灰色图像。
为了提取出有效的碳滑板的边缘,采用Sobel梯度法进行图像增强,由于碳滑板在图像中呈水平方向,所以滤波时的模板采用对水平边缘有较大影响的竖直梯度模板。
碳滑板磨损计算模块:采用同一张图像中碳滑板两端未磨耗处厚度的像素厚度平均值与碳滑板最薄像素厚度值对比的方法计算碳滑板磨耗最薄处的实际厚度,这样避免了图像尺寸转变产生的误差。
如图3所示为本发明的碳滑板上边界起始端定位流程图。根据边缘检测的方法提取碳滑板的上边缘和下边缘。
寻找碳滑板上端最左侧明显的白色连续像素点的区域;
沿着白色像素点区域向下继续寻找灰度变大最大值点,做为碳滑板上边界最左侧的起始点;
如图4是本发明的碳滑板上边界边缘检测流程图。
根据碳滑板横向边缘横向灰度变化较大的特点,对整个图片进行横向求导,得到图像垂直方向上的灰度变化值;
以碳滑板上边界最左侧的起始点为起始点,依次像右寻找碳滑板的上边界,寻找方法为:以点(x,y)参考,寻找x+1列中,(x+1,y-2)至(x+1,y+3)点中,灰度变化最大值的点做为碳滑板的上边界,由于碳滑板的承向上凸出的弧形,为保证精度,劲量使边界向下收敛,所以向上只比较到y-2,向下比较到y+3,如果遇到变化率相同的点,选用下侧的点做为边界点;在遇到边界明显下凹的位置,说明是碳滑板磨损严重的敏感位置,确保边界尽量向上收敛,将比较范围修改为(x+1,y-3)至(x+1,y+2)。经实际检验,这种方法提高了边缘的检测精度。
提取到碳滑板的上边界后,需要对上边界进行平滑处理,根据碳滑板的几何特征,以及磨耗处的几何特征,去掉碳滑板上边界的突变处进行平滑处理,提高检测的准确度。
1)碳滑板的几何特征为:碳滑板整体的几何特征为中间向上突出一定的弧度,根据这个特征曲线拟合时去上边界的向上突出点做收敛处理,提高边界精度;
2)碳滑板磨损处的几何特征为向下弧度,根据这个特征对边缘变化向下突出的位置进行双向收敛处理,提高磨损处精度。
Claims (9)
1.一种基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,其特征在于,包括以下步骤:
步骤1:当列车驶入检测区域,通过工业相机对运行中列车的受电弓进行连续拍照,得到若干受电弓图像,并发送到工控机;
步骤2:通过碳滑板目标图像识别方法对受电弓图像进行图像识别,选取一张目标图像,并分割出碳滑板所在有效区域;
步骤3:将分割后的碳滑板所在有效区域进行图像处理,得到碳滑板的几何形态;
步骤4:根据碳滑板的几何形态,计算出碳滑板最薄的位置及厚度;
所述碳滑板目标图像识别方法包括以下步骤:
步骤1:对图像进行灰度变换,根据直方图对灰度图像进行二值变换,得到二值图;
步骤2:通过Canny算子对得到的二值图进行边缘提取,得到边缘图像;
步骤3:对边缘图像进行连通域提取,对得到连通域的几何形态与标准碳滑板的几何形态进行比较,得到目标连通域;
步骤4:选取所占图像像素比例最大的目标连通域,其原始图像即为碳滑板目标图像。
2.根据权利要求1所述的基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,其特征在于:所述工业相机为分辨率至少为2592*1944,帧率至少为25帧/秒,图像传感器尺寸至少为1英寸的面阵工业摄像机。
3.根据权利要求1所述的基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,其特征在于:将得到的受电弓图像发送到工控机通过100Mbps以太网络进行传输。
4.根据权利要求1所述的基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,其特征在于:所述碳滑板所在有效区域为截掉碳滑板两端,使截后的碳滑板两端厚度为原始碳滑板最大厚度的区域。
5.根据权利要求1所述的基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,其特征在于:所述图像处理包括以下过程:
步骤1:对碳滑板所在有效区域进行灰度变换,得到碳滑板所在有效区域的灰度图像;
步骤2:对碳滑板所在有效区域的灰度图像进行滤波处理,得到滤波后的图像;
步骤3:采用Sobel竖直梯度模板对滤波后的图像进行水平边界增强,得到边界增强后的图像;
步骤4:对边缘增强后的图像进行边缘检测,得到碳滑板的上边界和下边界;其中,下边界y轴与上边界y轴的差值为碳滑板的厚度像素值。
6.根据权利要求5所述的基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,其特征在于:所述边缘检测包括以下过程:
步骤1:在边界增强后图像的最左列(1,y),从上至下寻找白色连续像素点;
步骤2:对边界增强后的图像进行横向求导,得出灰度变化图像,并从白色连续像素点向下寻找灰度变化值最大的点,作为上边界的起始点(x,y);
步骤3:在(x+1)列,(y-2)行到(y+3)行的点中寻找灰度变化值最大的点做为碳滑板的上边界;
步骤4:对边界增强后的图像进行二值化,得到二值图像,找到面积最大的连通域,该连通域的下边界即为碳滑板的下边界。
7.根据权利要求6所述的基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,其特征在于:当在(x+1)列,(y-2)行到(y+3)行的点中寻找多个灰度变化值最大的点时,取y值最大列的点做为碳滑板的上边界。
8.根据权利要求1所述的基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,其特征在于:所述根据碳滑板的几何形态,计算出碳滑板最薄的位置及厚度包括以下过程:
取靠近两端区域厚度像素值的平均值作为未磨损的标准厚度像素值,取碳滑板最小的厚度像素值作为最大磨损点的厚度像素值;
根据未磨损的标准厚度像素值与碳滑板实际标准厚度值的比例关系,得出最大磨损点的厚度像素值对应的最大磨损厚度。
9.根据权利要求5~7任一项所述的基于列车高速运行中的受电弓碳滑板磨耗在线检测方法,其特征在于:对所述碳滑板的上边界进行平滑处理,去除突变噪声点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610621845.1A CN106052575B (zh) | 2016-08-02 | 2016-08-02 | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610621845.1A CN106052575B (zh) | 2016-08-02 | 2016-08-02 | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106052575A CN106052575A (zh) | 2016-10-26 |
CN106052575B true CN106052575B (zh) | 2018-11-02 |
Family
ID=57196034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610621845.1A Active CN106052575B (zh) | 2016-08-02 | 2016-08-02 | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106052575B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108694349B (zh) * | 2017-04-07 | 2020-03-06 | 成都唐源电气股份有限公司 | 一种基于线阵相机的受电弓图像提取方法及装置 |
CN107403445B (zh) * | 2017-07-20 | 2021-01-26 | 长安大学 | 一种用于润滑剂抗磨性的形貌对比分析方法 |
CN108830822B (zh) * | 2018-03-12 | 2022-05-06 | 北京交通大学 | 基于改进Canny算子的受电弓碳滑板磨耗识别方法 |
CN108556634B (zh) * | 2018-03-28 | 2019-04-02 | 武汉麦子科技有限公司 | 一种空压转角受电弓和监测系统及其监测方法 |
CN108918550B (zh) * | 2018-06-28 | 2021-01-15 | 大同新成新材料股份有限公司 | 一种受电弓打弓缺陷检测方法 |
CN109254010A (zh) * | 2018-07-20 | 2019-01-22 | 复旦大学 | 一种受电弓检测装置及检测方法 |
CN109269474B (zh) * | 2018-08-29 | 2021-03-30 | 广西大学 | 一种列车车载受电弓运行状态在线图像检测装置及方法 |
CN109300125B (zh) * | 2018-09-21 | 2022-02-18 | 南京航轩轨道交通科技有限公司 | 一种复杂环境下城轨列车受电弓滑板图像提取方法 |
CN109211125A (zh) * | 2018-11-05 | 2019-01-15 | 北京华开领航科技有限责任公司 | 接触线磨耗检测装置 |
CN109961429A (zh) * | 2019-03-22 | 2019-07-02 | 武汉工程大学 | 一种基于单目红外图像的受电弓检测定位方法及系统 |
CN110631475B (zh) * | 2019-05-31 | 2021-08-03 | 安康钟吾青帜工业设计有限公司 | 现场目标尺寸检测方法 |
CN112285111A (zh) * | 2019-07-09 | 2021-01-29 | 株洲变流技术国家工程研究中心有限公司 | 一种受电弓前碳滑板缺陷检测方法、装置、系统和介质 |
CN110695992A (zh) * | 2019-09-27 | 2020-01-17 | 中国铁路昆明局集团有限公司昆明机务段 | 电力机车车顶检修智能机器人 |
CN111006592A (zh) * | 2019-12-02 | 2020-04-14 | 西安宝利铁路器材有限公司 | 一种机车车钩高度监测装置及方法 |
CN111238393A (zh) * | 2020-01-20 | 2020-06-05 | 成都铁安科技有限责任公司 | 受电弓碳滑板检测系统及其控制方法 |
CN112990115B (zh) * | 2021-04-21 | 2021-09-14 | 广州市玄武无线科技股份有限公司 | 一种用于冰柜陈列识别的拍摄方法及系统 |
CN113865490A (zh) * | 2021-09-24 | 2021-12-31 | 东莞市诺丽电子科技有限公司 | 一种非接触式集电靴碳滑板磨耗检测装置及磨耗检测方法 |
CN113916293A (zh) * | 2021-10-11 | 2022-01-11 | 孙洪茂 | 一种电动列车接触网悬挂状态及弓网关系检测系统 |
CN117333526A (zh) * | 2023-09-06 | 2024-01-02 | 重庆中车四方所智能装备技术有限公司 | 单轨车受电弓铜基滑块厚度测量方法、存储介质及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858731A (zh) * | 2010-06-28 | 2010-10-13 | 成都主导科技有限责任公司 | 一种机车受电弓滑板磨耗在线自动检测设备 |
CN101963645A (zh) * | 2010-08-26 | 2011-02-02 | 唐粮 | 一种电气化铁路接触网电弧捕捉及定位系统和方法 |
CN201964874U (zh) * | 2010-12-31 | 2011-09-07 | 朱晓东 | 受电弓监测系统 |
CN202057300U (zh) * | 2010-12-31 | 2011-11-30 | 朱晓东 | 一种受电弓滑板磨耗监测系统 |
CN102507600A (zh) * | 2011-11-08 | 2012-06-20 | 南京大学 | 高速机车受电弓滑板磨损自动检测装置 |
CN102662114A (zh) * | 2012-05-03 | 2012-09-12 | 西北工业大学 | 基于图像处理的机车受电弓状态无线监测系统及其方法 |
CN103175473A (zh) * | 2013-03-26 | 2013-06-26 | 东莞市诺丽电子科技有限公司 | 在线式单轨车受电弓监测系统 |
CN103528516A (zh) * | 2013-10-17 | 2014-01-22 | 中国航空工业集团公司北京长城计量测试技术研究所 | 光纤式受电弓碳滑板磨耗在线实时检测系统 |
CN103619640A (zh) * | 2011-07-04 | 2014-03-05 | 日立建机株式会社 | 电驱动自卸卡车 |
CN103837087A (zh) * | 2013-06-04 | 2014-06-04 | 中国科学院遥感与数字地球研究所 | 基于主动形状模型的受电弓自动检测方法 |
CN105158257A (zh) * | 2015-05-21 | 2015-12-16 | 苏州华兴致远电子科技有限公司 | 滑板测量方法及装置 |
CN105571508A (zh) * | 2016-01-25 | 2016-05-11 | 成都国铁电气设备有限公司 | 接触网受电弓的形变检测方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4260148B2 (ja) * | 2005-09-14 | 2009-04-30 | ユニバーサル機器株式会社 | 鉄道設備用検測車 |
ES2331346B1 (es) * | 2008-02-08 | 2010-10-27 | Administrador De Infraestructuras Ferroviarias (Adif) | Sistema de deteccion del estado de pantografos de trenes. |
-
2016
- 2016-08-02 CN CN201610621845.1A patent/CN106052575B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101858731A (zh) * | 2010-06-28 | 2010-10-13 | 成都主导科技有限责任公司 | 一种机车受电弓滑板磨耗在线自动检测设备 |
CN101963645A (zh) * | 2010-08-26 | 2011-02-02 | 唐粮 | 一种电气化铁路接触网电弧捕捉及定位系统和方法 |
CN201964874U (zh) * | 2010-12-31 | 2011-09-07 | 朱晓东 | 受电弓监测系统 |
CN202057300U (zh) * | 2010-12-31 | 2011-11-30 | 朱晓东 | 一种受电弓滑板磨耗监测系统 |
CN103619640A (zh) * | 2011-07-04 | 2014-03-05 | 日立建机株式会社 | 电驱动自卸卡车 |
CN102507600A (zh) * | 2011-11-08 | 2012-06-20 | 南京大学 | 高速机车受电弓滑板磨损自动检测装置 |
CN102662114A (zh) * | 2012-05-03 | 2012-09-12 | 西北工业大学 | 基于图像处理的机车受电弓状态无线监测系统及其方法 |
CN103175473A (zh) * | 2013-03-26 | 2013-06-26 | 东莞市诺丽电子科技有限公司 | 在线式单轨车受电弓监测系统 |
CN103837087A (zh) * | 2013-06-04 | 2014-06-04 | 中国科学院遥感与数字地球研究所 | 基于主动形状模型的受电弓自动检测方法 |
CN103528516A (zh) * | 2013-10-17 | 2014-01-22 | 中国航空工业集团公司北京长城计量测试技术研究所 | 光纤式受电弓碳滑板磨耗在线实时检测系统 |
CN105158257A (zh) * | 2015-05-21 | 2015-12-16 | 苏州华兴致远电子科技有限公司 | 滑板测量方法及装置 |
CN105571508A (zh) * | 2016-01-25 | 2016-05-11 | 成都国铁电气设备有限公司 | 接触网受电弓的形变检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
受电弓滑板磨耗测量算法的研究;冯倩 等;《铁道学报》;20100228;第32卷(第1期);第109-113页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106052575A (zh) | 2016-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106052575B (zh) | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 | |
CN101639452B (zh) | 一种钢轨表面缺陷的三维检测方法 | |
CN105133471B (zh) | 一种基于线结构光路面检测系统的路面深度图像生产方法 | |
RU2416068C2 (ru) | Устройство для измерения износа контактного провода | |
CN104392224B (zh) | 一种公路路面裂纹检测方法 | |
CN107588733A (zh) | 一种基于图像的受电弓滑板磨耗在线检测装置与方法 | |
CN105158257B (zh) | 滑板测量方法及装置 | |
CN108759670A (zh) | 一种基于非接触式检测技术的接触线磨耗动态检测装置 | |
CN107743577B (zh) | 用于检测电动铁道车辆的振动信息的方法和装置 | |
CN109489724B (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN106485694B (zh) | 一种基于级联分类器的高铁接触网双套管连接器六边形螺母脱落不良状态检测方法 | |
CN111583114B (zh) | 一种管道螺纹自动测量装置及测量方法 | |
CN107478176A (zh) | 一种受电弓损耗检测方法及系统 | |
CN109300125B (zh) | 一种复杂环境下城轨列车受电弓滑板图像提取方法 | |
CN107610085A (zh) | 一种基于计算机视觉的焊点缺陷检测系统 | |
CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
CN116757990A (zh) | 基于机器视觉的铁路扣件缺陷在线检测与识别方法 | |
CN103010258A (zh) | 一种高铁和地铁扣件裂缝检测系统和方法 | |
JP5287177B2 (ja) | 画像処理によるトロリ線の摩耗および偏位測定装置 | |
CN109961429A (zh) | 一种基于单目红外图像的受电弓检测定位方法及系统 | |
CN104777174A (zh) | 轴类零件截面突变部位表面疲劳裂纹检测系统及方法 | |
CN111127381B (zh) | 一种受电弓滑板不平行检测方法 | |
CN108759671B (zh) | 一种接触线磨耗动态检测方法 | |
KR101707995B1 (ko) | 명도 변화에 영향을 받지 않는 전차선의 동적 편위 검출 방법 | |
CN102519983B (zh) | 光伏铝型材压痕在线检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |