CN107742293A - 接触网绝缘子破损异物夹杂故障检测方法 - Google Patents
接触网绝缘子破损异物夹杂故障检测方法 Download PDFInfo
- Publication number
- CN107742293A CN107742293A CN201711090192.XA CN201711090192A CN107742293A CN 107742293 A CN107742293 A CN 107742293A CN 201711090192 A CN201711090192 A CN 201711090192A CN 107742293 A CN107742293 A CN 107742293A
- Authority
- CN
- China
- Prior art keywords
- image
- insulator
- contact net
- mingled
- foreign matter
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Current-Collector Devices For Electrically Propelled Vehicles (AREA)
Abstract
本发明公开了一种接触网绝缘子破损异物夹杂故障检测方法,以接触网定位装置高清图像为研究对象,对现场图片进行Harris角点匹配,利用CV模型提取绝缘子轮廓,使用离散余弦变换对绝缘子图像故障增强并对增强后的图像边缘点进行谱聚类。本发明的有益效果为:能对触网绝缘子破损异物夹杂故障进行有效检测。
Description
技术领域
本发明涉及接触网技术领域,具体涉及一种接触网绝缘子破损异物夹杂故障检测方法。
背景技术
在各行各业中,安全始终是一个永恒的话题。随着我国综合国力逐渐提升,国民在接受服务的过程中对安全的需求日益增长,国家对道路安全问题也越来越重视。铁路作为我国十分重要的交通工具,在国家经济运行以及国民的生活中不可缺少。
电气化铁路中,接触网是电气化铁路的重要设备,由接触悬挂、支持装置、定位装置、支柱与基础几部分组成。受电弓从接触网取电供电给电力机车,弓网间存在复杂的力学、电气交互作用,故障率一直较高。绝缘子作为电气化铁路接触网必备的零部件担负着机械支撑和电气绝缘的任务,它的损坏将引发线路供电中段,造成严重的经济损失和不良的社会影响。为保证电气化铁路的安全运营,接触网悬挂状态检测监测装置(简称4C系统)着眼于接触网悬挂及其部件的技术状态检测,安装于接触网检测车、作业车或其他专用轨道车辆顶部,对接触网的零部件实施成像检测,其中也涉及了对悬挂绝缘部件的检测。
目前国内外对绝缘子故障检测方法主要有光谱法、环境监测法、局部放电脉冲法等。这些方法都存在危险性高、检测设备复杂等问题,需进行更多研究。因此提出了基于图像处理的绝缘子非接触式检测方法,该方法具有危险低、干扰小、设备简便的优点。目前主要研究有利用形状特征和灰度差异对绝缘子瓷瓶裂缝进行定位、利用小波奇异性特征实现绝缘子异物检测等,但这些检测算法对亮度和对比度的变化敏感,不具备旋转不变形,提取精度有待提高。
发明内容
本发明的目的在于提供一种接触网绝缘子破损异物夹杂故障检测方法。
为实现上述目的,本发明的技术方案是:
一种接触网绝缘子破损异物夹杂故障检测方法,包括如下步骤:
步骤(1):在检测车顶部设置射灯和摄像机,检测车沿线路运行时,遇到接触网支柱,摄像机自动拍摄,以此采集接触网支撑和悬挂装置图像;
步骤(2):计算像元的Harris响应值,对采集到的接触网的悬挂装置图像进行Harris角点检测,并使用SSDA算法将模板绝缘子图像角点与待检测图像角点进行配准;
步骤(3):以角点聚类出的中心点为闭合轮廓中心线,利用图像局部梯度信息来控制曲线形变运动以及轮廓曲线的演化,在CV模型下提取多个绝缘子轮廓;
步骤(4):使用离散余弦变化为基础的滤波器,滤除背景信息频率,保留故障信息频率,从而完成频域的图像增强;
步骤(5):利用谱聚类方法对增强后的绝缘子图像边缘点做进一步聚类,实现绝缘子故障判断。
优选地,步骤(1)中,摄像机自动拍摄,以此采集分辨率为2448×2048的接触网支撑和悬挂装置图像。
本发明的工作原理为:以接触网定位装置高清图像为研究对象,对现场图片进行Harris角点匹配,利用CV模型提取绝缘子轮廓,使用离散余弦变换对绝缘子图像故障增强并对增强后的图像边缘点进行谱聚类。
本发明的有益效果为:能对触网绝缘子破损异物夹杂故障进行有效检测。
具体实施方式
下面结合实施例,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明具体实施的技术方案是:
一种接触网绝缘子破损异物夹杂故障检测方法,包括如下步骤:
步骤(1):在检测车顶部设置射灯和高清摄像机,检测车沿线路运行时,遇到接触网支柱,摄像机自动拍摄,以此采集分辨率为2448×2048的接触网支撑和悬挂装置图像;
步骤(2):计算像元的Harris响应值,对采集到的接触网悬挂装置图像进行Harris角点检测,并使用SSDA算法将模板绝缘子图像角点与待检测图像角点进行配准;
步骤(3):以角点聚类出的中心点为闭合轮廓中心线,利用图像局部梯度信息来控制曲线形变运动以及轮廓曲线的演化,在CV模型下提取多个绝缘子轮廓;
步骤(4):使用离散余弦变化设计合适的滤波器,滤除背景信息频率,保留故障信息频率,从而完成频域的图像增强;
步骤(5):利用谱聚类方法对增强后的绝缘子图像边缘点做最优聚类,实现绝缘子故障判断。
步骤(1)中,采用夜间加射灯的拍摄方式,得到图像为黑色背景,保证图像净空状态良好,降低云、树等景物对图像识别的干扰。
步骤(2)中,SSDA算法只计算部分误差,并与事先设定的误差阈值比较。
步骤(2)中,像元的Harris响应值计算步骤为a)计算图像在x,y方向梯度的乘积;b)使用高斯函数对梯度的乘积进行高斯加权,生成矩阵;c)设定像元Harris响应值的阈值。
步骤(2)中,SSDA匹配图像角点步骤为a)设定阈值;b)搜索子图中随机选取的像点,计算它同模板对应点的误差;c)将该差值与其他点对应差值累加,累加r次误差超过阈值,则停止累加,记录累加误差次数r;d)定义SSDA曲面为I(i,j)=r,最大的I(i,r)即为匹配点。
步骤(2)中,为了判断图像中绝缘子的个数,对角点进行了模糊聚类,提取的相应聚类中心,仅能反应绝缘子的大致位置,为了精准判断绝缘子故障,需对绝缘子轮廓完整提取。
步骤(3)中,由于图像分辨率交大,轮廓提取速度较慢,应对提前对图像进行金字塔分层处理,提升轮廓收敛的速度。
该方法首先将待检测图像的角点检测与模板图像的角点检测进行角点匹配,将匹配的角点进行角点模糊聚类,再采用CV模型对绝缘子活动轮廓进行提取,然后通过离散余弦变换进行图像增强,最后对增强后的图像进行Canny边缘检测和边缘点谱聚类,实现故障判断。
具体的,
接触网绝缘子破损夹杂异物故障检测方法,利用图像处理理论,对现场图片进行处理,给出故障判断,包括步骤:
步骤(1):在检测车顶部设置射灯和高清摄像机,检测车沿线路运行时,遇到接触网支柱,摄像机自动拍摄,以此采集分辨率为2448×2048的接触网支撑和悬挂装置图像;
步骤(2):计算像元的Harris响应值,对采集到的接触网悬挂装置图像进行Harris角点检测,并使用SSDA算法将模板绝缘子图像角点与待检测图像角点进行配准;
对采集到的接触网悬挂装置图像进行Harris角点检测方法为:
设图像I(x,y)在x,y方向梯度Ix,Iy,并计算图像方向梯度的乘积Ix2,Iy2,Ixy,Iyx。使用高斯函数对梯度的乘积进行高斯加权,生成矩阵M:
像元的Harris响应值R设定R的阈值:
在n×n的领域内进行非极大值抑制,局部极大值点即为图像中的角点。
对模板绝缘子图像角点与待检测图像角点进行配准方法为:
模板T的子块大小为N×N,其中心点为第i个角点,待匹配图的搜索子图s i,j大小为N×N,其中心也为某个角点,该搜索子图右上角像素点坐标为(i,j)。定义绝对误差:
其中, ,。
设定阈值T k,搜索子图s i,j(m,n)中随机选取的像点(m k,n k),计算它同模板T对应点的误差;将该差值与其他点对应差值累加,累加r次误差超过T k,则停止累加,记录累加误差次数r。则定义SSDA曲面为I(i,j)=r,最大的I(i,r)即为匹配点。
步骤(3):以角点聚类出的中心点为闭合轮廓中心线,利用图像局部梯度信息来控制曲线形变运动以及轮廓曲线的演化,在CV模型下提取多个绝缘子轮廓;
若图像S(x,y)被轮廓曲线C划分为目标A和背景B两个区域,对应区域的平均灰度为C 1和C 2,CV模型的能量函数式以水平集函数表达:
式中,u,v,λ 1,λ 2是加权值,H(z)是Heaviside函数,δ(x)是Dirac函数,是H(z)分布意义下的导数,Ω是水平集函数的定义域。
以欧拉-拉格朗日方法推导出求解式,采用梯度下降法,即可得到水平集演化方程。
步骤(4):使用离散余弦变化设计合适的滤波器,滤除背景信息频率,保留故障信息频率,从而完成频域的图像增强;
图像f(x,y)为二维离散序列,其二维离散余弦变换对为:
式中,,C(u,v)表示图像经离散余弦变换后的二维频率域图像能量函数,其计算方法为
步骤(5):利用谱聚类方法对增强后的绝缘子图像边缘点做最优聚类,实现绝缘子故障判断。
谱聚类方法为:假设图G中有V个顶点,E条边,通过移除图中某些边,可把图分割为2个不想叫的定点集A,B,A∪B=V,A∩B=Ф,移除边的总和,作为A、B两部分的不相似度。不相关度如下所示:
式中:、分别表示A、B中节点与图中节点的连接总和,为连接顶点i、j边的权重。
规范割集准则即为对Ncut函数最小优化处理,Ncut方法将计算Ncut最优值转换为对矩阵特征值与特征向量的求解即可。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种接触网绝缘子破损异物夹杂故障检测方法,其特征在于,包括如下步骤:
步骤(1):在检测车顶部设置射灯和摄像机,检测车沿线路运行时,遇到接触网支柱,摄像机自动拍摄,以此采集接触网支撑和悬挂装置图像;
步骤(2):计算像元的Harris响应值,对采集到的接触网的悬挂装置图像进行Harris角点检测,并使用SSDA算法将模板绝缘子图像角点与待检测图像角点进行配准;
步骤(3):以角点聚类出的中心点为闭合轮廓中心线,利用图像局部梯度信息来控制曲线形变运动以及轮廓曲线的演化,在CV模型下提取多个绝缘子轮廓;
步骤(4):使用离散余弦变化为基础的滤波器,滤除背景信息频率,保留故障信息频率,从而完成频域的图像增强;
步骤(5):利用谱聚类方法对增强后的绝缘子图像边缘点做进一步聚类,实现绝缘子故障判断。
2.根据权利要求1所述的接触网绝缘子破损异物夹杂故障检测方法,其特征在于,步骤(1)中,摄像机自动拍摄,以此采集分辨率为2448×2048的接触网支撑和悬挂装置图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711090192.XA CN107742293A (zh) | 2017-11-08 | 2017-11-08 | 接触网绝缘子破损异物夹杂故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711090192.XA CN107742293A (zh) | 2017-11-08 | 2017-11-08 | 接触网绝缘子破损异物夹杂故障检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107742293A true CN107742293A (zh) | 2018-02-27 |
Family
ID=61234217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711090192.XA Pending CN107742293A (zh) | 2017-11-08 | 2017-11-08 | 接触网绝缘子破损异物夹杂故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107742293A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116550A (zh) * | 2019-06-20 | 2020-12-22 | 上海电机学院 | 一种基于多角点配准的绝缘子缺损检测方法 |
CN112818998A (zh) * | 2021-02-08 | 2021-05-18 | 上海电力大学 | 一种基于Lora通信的架空线路绝缘子故障监测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247044A (zh) * | 2013-04-16 | 2013-08-14 | 西南交通大学 | 基于高铁接触网绝缘子曲线状和点状奇异性特征的不良状态检测方法 |
CN103310438A (zh) * | 2013-04-16 | 2013-09-18 | 西南交通大学 | 基于Harris角点与图像差分的接触网棒式绝缘子故障检测方法 |
CN104764748A (zh) * | 2015-05-04 | 2015-07-08 | 成都唐源电气有限责任公司 | 定位绝缘子的方法、系统以及故障检测的方法和系统 |
CN104866865A (zh) * | 2015-05-11 | 2015-08-26 | 西南交通大学 | 一种基于dhog和离散余弦变换的接触网平衡线故障检测方法 |
CN105787956A (zh) * | 2016-03-30 | 2016-07-20 | 深圳大学 | 构造基于分数阶微分信息的自适应权重活动轮廓模型的方法及系统 |
-
2017
- 2017-11-08 CN CN201711090192.XA patent/CN107742293A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247044A (zh) * | 2013-04-16 | 2013-08-14 | 西南交通大学 | 基于高铁接触网绝缘子曲线状和点状奇异性特征的不良状态检测方法 |
CN103310438A (zh) * | 2013-04-16 | 2013-09-18 | 西南交通大学 | 基于Harris角点与图像差分的接触网棒式绝缘子故障检测方法 |
CN104764748A (zh) * | 2015-05-04 | 2015-07-08 | 成都唐源电气有限责任公司 | 定位绝缘子的方法、系统以及故障检测的方法和系统 |
CN104866865A (zh) * | 2015-05-11 | 2015-08-26 | 西南交通大学 | 一种基于dhog和离散余弦变换的接触网平衡线故障检测方法 |
CN105787956A (zh) * | 2016-03-30 | 2016-07-20 | 深圳大学 | 构造基于分数阶微分信息的自适应权重活动轮廓模型的方法及系统 |
Non-Patent Citations (1)
Title |
---|
赵晓永: "《面向云计算的数据存储关键技术研究》", 31 December 2014, 石家庄:河北科学技术出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116550A (zh) * | 2019-06-20 | 2020-12-22 | 上海电机学院 | 一种基于多角点配准的绝缘子缺损检测方法 |
CN112116550B (zh) * | 2019-06-20 | 2024-05-31 | 上海电机学院 | 一种基于多角点配准的绝缘子缺损检测方法 |
CN112818998A (zh) * | 2021-02-08 | 2021-05-18 | 上海电力大学 | 一种基于Lora通信的架空线路绝缘子故障监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105023014B (zh) | 一种无人机巡检输电线路图像内的杆塔目标提取方法 | |
CN104764748B (zh) | 定位绝缘子的方法、系统以及故障检测的方法和系统 | |
CN112418103B (zh) | 一种基于动态双目视觉的桥式起重机吊装安全防撞系统及方法 | |
CN103065151B (zh) | 一种基于深度信息的车辆识别方法 | |
CN101793501B (zh) | 一种基于图像的输电线覆冰状态检测方法 | |
CN103559703A (zh) | 基于双目视觉的起重机障碍物监测及预警方法及系统 | |
CN111754465B (zh) | 一种绝缘子定位与掉串检测方法 | |
CN105426864A (zh) | 一种基于等距边缘点匹配的多车道线检测方法 | |
CN103076338B (zh) | 高铁接触网棒式绝缘子不良状态检测的快速模糊匹配方法 | |
CN105203552A (zh) | 一种360°踏面图像检测系统及其检测方法 | |
CN103557788A (zh) | 一种高铁接触网接几何参数检测非接触式补偿及卡尔曼滤波修正方法 | |
CN103488988A (zh) | 基于无人机巡线可见光影像的电力设备中绝缘子的提取方法 | |
CN104573713B (zh) | 一种基于图像纹理特征的互感器红外图像识别方法 | |
CN106018409B (zh) | 一种机场跑道异物和裂纹的识别系统及其检测识别方法 | |
CN105354589A (zh) | 一种在接触网图像中智能识别绝缘子裂损的方法及系统 | |
CN107067018A (zh) | 一种基于随机Hough变换和SVM的带电作业机器人螺栓识别方法 | |
CN107742293A (zh) | 接触网绝缘子破损异物夹杂故障检测方法 | |
CN110349128A (zh) | 一种玻璃绝缘子伞间冰柱桥接程度检测方法 | |
CN103810462A (zh) | 一种基于线状目标的高压输电线检测方法 | |
CN110276787B (zh) | 基于标志物图像检测的导线舞动监测方法 | |
CN112949484B (zh) | 一种高速铁路落石实时检测方法 | |
CN107292861A (zh) | 一种绝缘子破损检测方法 | |
Zhai et al. | Research on the application of the edge detection method for the UAVs icing monitoring of transmission lines | |
CN105516661A (zh) | 鱼眼相机与ptz相机相结合的主从目标监控系统及方法 | |
CN204576779U (zh) | 一种弓网运行状态监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180227 |
|
RJ01 | Rejection of invention patent application after publication |