CN113989666B - 一种高铁受电弓异常检测方法 - Google Patents
一种高铁受电弓异常检测方法 Download PDFInfo
- Publication number
- CN113989666B CN113989666B CN202111251501.3A CN202111251501A CN113989666B CN 113989666 B CN113989666 B CN 113989666B CN 202111251501 A CN202111251501 A CN 202111251501A CN 113989666 B CN113989666 B CN 113989666B
- Authority
- CN
- China
- Prior art keywords
- pantograph
- angle
- detection
- image
- complex
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 24
- 229910052799 carbon Inorganic materials 0.000 claims description 24
- 230000005856 abnormality Effects 0.000 claims description 23
- 238000011895 specific detection Methods 0.000 claims description 12
- 238000011109 contamination Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 230000003137 locomotive effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Current-Collector Devices For Electrically Propelled Vehicles (AREA)
Abstract
本发明公开了一种高铁受电弓异常检测方法，包括通过图像采集设备获取当前受电弓的图像；在图像中设定受电弓的感兴趣区域ROI；针对ROI区域通过复杂环境检测模块进行检测，若检测环境复杂则跳过后续检测，若环境不复杂则继续检测；在环境不复杂的情况下，针对ROI区域通过受电弓倾斜检测模块进行检测，判断受电弓倾斜角度是否出现异常；在环境不复杂的情况下，针对ROI区域通过弓角异常检测模块，对左右弓角部分进行检测，利用模板与当前弓角的相似度判断是否存在弓角破损。本发明通过在故障检测过程中加入了复杂环境检测模块，对复杂环境进行过滤，在保证检测效果的同时大大降低误报的发生。
Description
技术领域
本发明涉及铁路运输安全技术领域，特别涉及一种高铁受电弓异常检测方法。
背景技术
受电弓是电力牵引机车从接触网获取电能的电气设备，安装于机车顶部，为机车运行提供动力，随着高铁运行运行、速度、里程的增加，受电弓出现倾斜、弓角破损等异常故障的概率也随之提升，因此需要在电力机车运行过程中对受电弓进行实时检测，及时发现受电弓故障，保证电力机车的安全，目前，针对受电弓故障检测主要有人工检测和图像检测两种方式，前者需要技术人员，通过监控设备观察受电弓的状态，判断当前是否有故障发生；图像检测具有测量速度快，测量结果直观、效率高等特点。
但是人工检测受技术人员主观影响较大，且工作量大效率低，易因疲劳而产生漏检，图像检测方法难以应对复杂的铁路运行环境，极易发生误报或漏报，本方法针对目前图像检测方法的误报率较高的问题，在检测受电弓倾斜、弓角破损的同时添加了复杂环境检测的方法，在保证故障检出的同时降低了误报率。
发明内容
本发明的主要目的在于提供一种高铁受电弓异常检测方法，通过在故障检测过程中加入了复杂环境检测模块，对复杂环境进行过滤，在保证检测效果的同时大大降低了误报的发生；在滤除复杂环境的影响后通过受电弓倾斜检测模块和弓角异常检测模块，实时的对受电弓倾斜、弓角破损的故障情况完成检测，代替了人工检测，效率高，不受人员主观影响，减少漏报的发生，可以有效解决背景技术中的问题。
为实现上述目的，本发明采取的技术方案为：一种高铁受电弓异常检测方法，包括以下步骤：
步骤一，通过图像采集设备获取当前受电弓的图像；
步骤二，在图像中设定受电弓的感兴趣区域(ROI)，ROI区域的左1/6区域为左弓角区域，右1/6区域为右弓角区域；
步骤三，针对ROI区域通过复杂环境检测模块进行检测，若检测环境复杂则跳过后续检测，若环境不复杂则继续检测；
步骤四，在环境不复杂的情况下，针对ROI区域通过受电弓倾斜检测模块进行检测，判断受电弓倾斜角度是否出现异常；
步骤五，在环境不复杂的情况下，针对ROI区域通过弓角异常检测模块，对左右弓角部分进行检测，利用模板与当前弓角的相似度判断是否存在弓角破损；
步骤六，若受电弓倾斜检测模块或弓角异常检测模块检测出的结果出现异常，则立刻发出警报，能够及时发现受电弓故障，若受电弓倾斜检测模块或弓角异常检测模块检测出的结果无异常，则重复上述步骤对受电弓继续进行检测。
本发明进一步的改进在于，所述复杂环境检测模块包括镜头脏污检测单元、画面模糊检测单元和背景复杂检测单元，所述镜头脏污检测单元的具体检测方法如下：
(1)设定低阈值、高阈值与步进值，从低到高获取阈值集合；
(2)按照集合中的阈值对图像进行二值化，并查找二值图像中每一个轮廓的中心点；
(3)设定最小距离，将间距小于最小距离的中心点合并；
(4)对合并后的特征点区域按照面积进行过滤，最终得到脏污数量；
(5)设定脏污数量阈值，若脏污数量大于设定值即为镜头脏污。
通过将间距小于最小距离的中心点合并，并将合并后的特征点区域按照面积进行过滤，能够避免过小的污点也占用脏污数量阈值，同时根据特征点区域的面积确定该点是否为脏污。
本发明进一步的改进在于，所述画面模糊检测单元的具体检测方法如下：
a.利用sobel算子计算ROI区域的梯度值之和G：
其中，I为待测图像；b.设定梯度阈值，若G小于阈值则判定图像模糊。
通过画面模糊检测单元算出拍摄画面的梯度值是否小于设定的阈值，来判断该画面是否模糊。
本发明进一步的改进在于，所述背景复杂检测单元的具体检测方法如下：
1)利用sobel算子计算ROI区域的像素梯度图像；
2)设定梯度阈值，统计梯度图像中大于阈值的像素点数量；
3)设定像素点数量阈值，若统计数量大于该阈值则判定图像背景复杂。
通过背景复杂检测单元统计图像中的像素点数量是否大于设定的阈值，来判断图像背景是否复杂，镜头脏污检测单元、画面模糊检测单元和背景复杂检测单元的组合使用，能够减少复杂环境的影响，进而降低受电弓异常检测时的误报率。
本发明进一步的改进在于，所述受电弓倾斜检测模块的检测步骤如下：
S1：截取ROI区域中间1/6区域，为受电弓碳滑板区域；
S2：对受电弓碳滑板区域使用大津法(OTSU)进行二值化处理，并对二值图像进行轮廓分析，面积最大的轮廓即为碳滑板轮廓；
S3：通过计算碳滑板区域的几何矩，得到碳滑板的倾斜角θ，公式如下：
其中，mpq为p+q阶几何矩，f(i,j)为碳滑板区域二值化图像的像素值；
S4：设定倾斜角度阈值，若倾斜角θ超过阈值则判定受电弓倾斜。
通过受电弓倾斜检测模块来计算出受电弓碳滑板的倾斜角，并与设定的倾斜角度阈值进行比对。
本发明进一步的改进在于，所述弓角异常检测模块的检测步骤如下：
N1：选取一张正常受电弓图像作为模板；
N2：构建±45°的斜边检测模板对左右弓角进行斜边检测，
其中，Sleft用于左弓角，Sright用于右弓角；
N3：利用大津法对斜边图像进行二值化，并且对图像进行膨胀操作；
N4：对膨胀后的图像进行轮廓分析，选取面积最大的轮廓作为弓角区域；
N5：对弓角区域进行水平与垂直投影，作为相似度计算模板；
N6：对当前受电弓区域重复步骤N2-N5，设定相似度阈值，通过当前弓角与模板弓角的水平、垂直投影计算两弓角相似度，若相似度大于阈值则弓角正常，否则弓角破损，具体计算公式如下：
其中，templateh,templatev为弓角模板的水平、垂直投影向量，curh,curv为当前弓角的水平、垂直投影向量。
通过弓角异常检测模块对左右弓角区域进行投影处理，并与正常弓角模板进行比对是否出现破损，通过受电弓倾斜检测模块和弓角异常检测模块，实时的对受电弓倾斜、弓角破损的故障情况进行检测，代替了人工检测，效率高，不受人员主观影响，减少漏报的发生。
本发明进一步的改进在于，所述受电弓在高铁运行过程中的位置固定，所述图像采集设备固定安装在高铁的顶部并将镜头对准受电弓，所述图像采集设备对受电弓区域进行实时拍摄。
与现有技术相比，本发明通过在故障检测过程中加入了复杂环境检测模块，对复杂环境进行过滤，在保证检测效果的同时大大降低了误报的发生，复杂环境检测模块包括：镜头脏污检测单元、画面模糊检测单元和背景复杂检测单元，镜头脏污检测单元、画面模糊检测单元和背景复杂检测单元分别对镜头上的脏污、画面的模糊程度和画面背景的复杂程度进行判断，为接下来准确的对受电弓异常检测做好准备，通过复杂环境检测模块的算法滤除高铁运行过程中进出站、进出山洞、楼房遮挡、镜头脏污等复杂环境的影响从而降低误报率。
与现有技术相比，本发明在滤除复杂环境的影响后通过受电弓倾斜检测模块和弓角异常检测模块，实时的对受电弓倾斜、弓角破损的故障情况完成检测，代替了人工检测，效率高，不受人员主观影响，减少漏报的发生，使用受电弓倾斜检测模块来计算出受电弓碳滑板的倾斜角，并与设定的倾斜角度阈值进行比对，来确定受电弓弯曲程度是否异常，使用弓角异常检测模块对左右弓角区域进行投影处理，并与正常弓角模板进行比对，来确定弓角是否出现破损。
附图说明
图1为本发明一种高铁受电弓异常检测方法的流程图。
图2为本发明一种高铁受电弓异常检测方法的复杂环境检测模块系统框图。
图3为本发明一种高铁受电弓异常检测方法的受电弓结构示意图。
图4为本发明一种高铁受电弓异常检测方法的弓角异常检测模块投影效果图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明，其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利的限制，对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的，基于本发明中的具体实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。
实施例1
如图1-3所示，一种高铁受电弓异常检测方法，包括以下步骤：
步骤一，通过图像采集设备获取当前受电弓的图像；
步骤二，在图像中设定受电弓的感兴趣区域(ROI)，ROI区域的左1/6区域为左弓角区域，右1/6区域为右弓角区域；
步骤三，针对ROI区域通过复杂环境检测模块进行检测，若检测环境复杂则跳过后续检测，若环境不复杂则继续；
步骤四，在环境不复杂的情况下，针对ROI区域通过受电弓倾斜检测模块进行检测，判断受电弓倾斜角度是否出现异常；
步骤五，在环境不复杂的情况下，针对ROI区域通过弓角异常检测模块，对左右弓角部分进行检测，利用模板与当前弓角的相似度判断是否存在弓角破损；
步骤六，若受电弓倾斜检测模块或弓角异常检测模块检测出的结果出现异常，则立刻发出警报，能够及时发现受电弓故障，若受电弓倾斜检测模块或弓角异常检测模块检测出的结果无异常，则重复上述步骤对受电弓继续进行检测。
复杂环境检测模块包括镜头脏污检测单元、画面模糊检测单元和背景复杂检测单元，镜头脏污检测单元的具体检测方法如下：
(1)设定低阈值、高阈值与步进值，从低到高获取阈值集合；
(2)按照集合中的阈值对图像进行二值化，并查找二值图像中每一个轮廓的中心点；
(3)设定最小距离，将间距小于最小距离的中心点合并；
(4)对合并后的特征点区域按照面积进行过滤，最终得到脏污数量；
(5)设定脏污数量阈值，若脏污数量大于设定值即为镜头脏污。
画面模糊检测单元的具体检测方法如下：
a.利用sobel算子计算ROI区域的梯度值之和G：
其中，I为待测图像；
b.设定梯度阈值，若G小于阈值则判定图像模糊。
背景复杂检测单元的具体检测方法如下：
1)利用sobel算子计算ROI区域的像素梯度图像；
2)设定梯度阈值，统计梯度图像中大于阈值的像素点数量；
3)设定像素点数量阈值，若统计数量大于该阈值则判定图像背景复杂。
受电弓在高铁运行过程中的位置固定，图像采集设备固定安装在高铁的顶部并将镜头对准受电弓，图像采集设备对受电弓进行实时拍摄
通过采用上述技术方案：本发明在故障检测过程中加入了复杂环境检测模块，通过对复杂环境的过滤，在保证检测效果的同时大大降低了误报的发生，复杂环境检测模块包括：镜头脏污检测单元、画面模糊检测单元和背景复杂检测单元，镜头脏污检测单元、画面模糊检测单元和背景复杂检测单元分别对镜头上的脏污、画面的模糊程度和画面背景的复杂程度进行判断，为接下来准确的对受电弓异常检测做好准备，通过复杂环境检测模块的算法滤除高铁运行过程中进出站、进出山洞、楼房遮挡、镜头脏污等复杂环境的影响从而降低误报率。
实施例2
如图1-4所示，一种高铁受电弓异常检测方法，包括以下步骤：
步骤一，通过图像采集设备获取当前受电弓的图像；
步骤二，在图像中设定受电弓的感兴趣区域(ROI)，ROI区域的左1/6区域为左弓角区域，右1/6区域为右弓角区域；
步骤三，针对ROI区域通过复杂环境检测模块进行检测，若检测环境复杂则跳过后续检测，若环境不复杂则继续；
步骤四，在环境不复杂的情况下，针对ROI区域通过受电弓倾斜检测模块进行检测，判断受电弓倾斜角度是否出现异常；
步骤五，在环境不复杂的情况下，针对ROI区域通过弓角异常检测模块，对左右弓角部分进行检测，利用模板与当前弓角的相似度判断是否存在弓角破损；
步骤六，若受电弓倾斜检测模块或弓角异常检测模块检测出的结果出现异常，则立刻发出警报，能够及时发现受电弓故障，若受电弓倾斜检测模块或弓角异常检测模块检测出的结果无异常，则重复上述步骤对受电弓继续进行检测。
复杂环境检测模块包括镜头脏污检测单元、画面模糊检测单元和背景复杂检测单元，镜头脏污检测单元的具体检测方法如下：
(1)设定低阈值、高阈值与步进值，从低到高获取阈值集合；
(2)按照集合中的阈值对图像进行二值化，并查找二值图像中每一个轮廓的中心点；
(3)设定最小距离，将间距小于最小距离的中心点合并；
(4)对合并后的特征点区域按照面积进行过滤，最终得到脏污数量；
(5)设定脏污数量阈值，若脏污数量大于设定值即为镜头脏污。
画面模糊检测单元的具体检测方法如下：
a.利用sobel算子计算ROI区域的梯度值之和G：
其中，I为待测图像；b.设定梯度阈值，若G小于阈值则判定图像模糊。
背景复杂检测单元的具体检测方法如下：
1)利用sobel算子计算ROI区域的像素梯度图像；
2)设定梯度阈值，统计梯度图像中大于阈值的像素点数量；
3)设定像素点数量阈值，若统计数量大于该阈值则判定图像背景复杂。
受电弓倾斜检测模块的检测步骤如下：
S1：截取ROI区域中间1/6区域，为受电弓碳滑板区域；
S2：对受电弓碳滑板区域使用大津法(OTSU)进行二值化处理，并对二值图像进行轮廓分析，面积最大的轮廓即为碳滑板轮廓；
S3：通过计算碳滑板区域的几何矩，得到碳滑板的倾斜角θ，公式如下：
其中，mpq为p+q阶几何矩，f(i,j)为碳滑板区域二值化图像的像素值；
S4：设定倾斜角度阈值，若倾斜角θ超过阈值则判定受电弓倾斜。
弓角异常检测模块的检测步骤如下：
N1：选取一张正常受电弓图像作为模板；
N2：构建±45°的斜边检测模板对左右弓角进行斜边检测，
其中，Sleft用于左弓角，Sright用于右弓角；
N3：利用大津法对斜边图像进行二值化，并且对图像进行膨胀操作；
N4：对膨胀后的图像进行轮廓分析，选取面积最大的轮廓作为弓角区域；
N5：对弓角区域进行水平与垂直投影，作为相似度计算模板；
N6：对当前受电弓区域重复步骤N2-N5，设定相似度阈值，通过当前弓角与模板弓角的水平、垂直投影计算两弓角相似度，若相似度大于阈值则弓角正常，否则弓角破损，具体计算公式如下：
其中，templateh,templatev为弓角模板的水平、垂直投影向量，curh,curv为当前弓角的水平、垂直投影向量。
受电弓倾斜检测模块和弓角异常检测模块实时的对受电弓倾斜、弓角破损的故障情况进行检测，效率高，不受人员主观影响，减少漏报的发生。
受电弓在高铁运行过程中的位置固定，图像采集设备固定安装在高铁的顶部并将镜头对准受电弓，图像采集设备对受电弓进行实时拍摄。
通过采用上述技术方案：本发明在滤除复杂环境的影响后通过受电弓倾斜检测模块和弓角异常检测模块，实时的对受电弓倾斜、弓角破损的故障情况完成检测，代替了人工检测，效率高，不受人员主观影响，减少漏报的发生，使用受电弓倾斜检测模块来计算出受电弓碳滑板的倾斜角，并与设定的倾斜角度阈值进行比对，来确定受电弓弯曲程度是否异常，使用弓角异常检测模块对左右弓角区域进行投影处理，并与正常弓角模板进行比对，来确定弓角是否出现破损。
需要说明的是，本发明为一种高铁受电弓异常检测方法，在使用时，首先，通过图像采集设备获取当前受电弓的图像，其次，在图像中设定受电弓的感兴趣区域(ROI)，ROI区域的左1/6区域为左弓角区域，右1/6区域为右弓角区域，再者，针对ROI区域通过复杂环境检测模块进行检测，若检测环境复杂则跳过后续检测，若环境不复杂则继续检测，然后，在环境不复杂的情况下，截取ROI区域中间1/6区域，为受电弓碳滑板区域，针对受电弓碳滑板区域通过受电弓倾斜检测模块进行检测，判断受电弓倾斜角度是否出现异常，接下来，在环境不复杂的情况下，针对ROI区域通过弓角异常检测模块，对左右弓角部分进行检测，利用模板与当前弓角的相似度判断是否存在弓角破损，最后，若受电弓倾斜检测模块或弓角异常检测模块检测出的结果出现异常，则立刻发出警报，能够及时发现受电弓出现故障，若受电弓倾斜检测模块或弓角异常检测模块检测出的结果无异常，则重复上述步骤对受电弓继续进行检测。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种高铁受电弓异常检测方法，其特征在于：包括以下步骤：
步骤一，通过图像采集设备获取当前受电弓的图像；
步骤二，在图像中设定受电弓的感兴趣区域ROI，ROI区域的左1/6区域为左弓角区域，右1/6区域为右弓角区域；
步骤三，针对ROI区域通过复杂环境检测模块进行检测，若检测环境复杂则跳过后续检测，若环境不复杂则继续检测；
步骤四，在环境不复杂的情况下，针对ROI区域通过受电弓倾斜检测模块进行检测，判断受电弓倾斜角度是否出现异常；
步骤五，在环境不复杂的情况下，针对ROI区域通过弓角异常检测模块，对左右弓角部分进行检测，利用模板与当前弓角的相似度判断是否存在弓角破损；
步骤六，若受电弓倾斜检测模块或弓角异常检测模块检测出的结果出现异常，则立刻发出警报，能够及时发现受电弓故障，若受电弓倾斜检测模块或弓角异常检测模块检测出的结果无异常，则重复上述步骤对受电弓继续进行检测；
所述弓角异常检测模块的检测步骤如下：
N1：选取一张正常受电弓图像作为模板；
N2：构建±45°的斜边检测模板对左右弓角进行斜边检测，
其中，Sleft用于左弓角，Sright用于右弓角；
N3：利用大津法对斜边图像进行二值化，并且对图像进行膨胀操作；
N4：对膨胀后的图像进行轮廓分析，选取面积最大的轮廓作为弓角区域；
N5：对弓角区域进行水平与垂直投影，作为相似度计算模板；
N6：对当前受电弓区域重复步骤N2-N5，设定相似度阈值，通过当前弓角与模板弓角的水平、垂直投影计算两弓角相似度，若相似度大于阈值则弓角正常，否则弓角破损，具体计算公式如下：
其中，templateh,templatev为弓角模板的水平、垂直投影向量，curh,cur v为当前弓角的水平、垂直投影向量。
2.根据权利要求1所述的一种高铁受电弓异常检测方法，其特征在于：所述复杂环境检测模块包括镜头脏污检测单元、画面模糊检测单元和背景复杂检测单元，所述镜头脏污检测单元的具体检测方法如下：
(1)设定低阈值、高阈值与步进值，从低到高获取阈值集合；
(2)按照集合中的阈值对图像进行二值化，并查找二值图像中每一个轮廓的中心点；
(3)设定最小距离，将间距小于最小距离的中心点合并；
(4)对合并后的特征点区域按照面积进行过滤，最终得到脏污数量；
(5)设定脏污数量阈值，若脏污数量大于设定值即为镜头脏污。
3.根据权利要求2所述的一种高铁受电弓异常检测方法，其特征在于：所述画面模糊检测单元的具体检测方法如下：a.利用sobel算子计算ROI区域的梯度值之和G：
其中，I为待测图像；b.设定梯度阈值，若G小于阈值则判定图像模糊。
4.根据权利要求2所述的一种高铁受电弓异常检测方法，其特征在于：所述背景复杂检测单元的具体检测方法如下：
1)利用sobel算子计算ROI区域的像素梯度图像；
2)设定梯度阈值，统计梯度图像中大于阈值的像素点数量；
3)设定像素点数量阈值，若统计数量大于该阈值则判定图像背景复杂。
5.根据权利要求1所述的一种高铁受电弓异常检测方法，其特征在于：所述受电弓倾斜检测模块的检测步骤如下：
S1：截取ROI区域中间1/6区域，为受电弓碳滑板区域；
S2：对受电弓碳滑板区域使用大津法(OTSU)进行二值化处理，并对二值图像进行轮廓分析，面积最大的轮廓即为碳滑板轮廓；
S3：通过计算碳滑板区域的几何矩，得到碳滑板的倾斜角θ，公式如下：
其中，m pq为p+q阶几何矩，f(i,j)为碳滑板区域二值化图像的像素值；
S4：设定倾斜角度阈值，若倾斜角θ超过阈值则判定受电弓倾斜。
6.根据权利要求1所述的一种高铁受电弓异常检测方法，其特征在于：所述受电弓在高铁运行过程中的位置固定，所述图像采集设备固定安装在高铁的顶部并将镜头对准受电弓，所述图像采集设备对受电弓区域进行实时拍摄。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111251501.3A CN113989666B (zh) | 2021-10-26 | 2021-10-26 | 一种高铁受电弓异常检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111251501.3A CN113989666B (zh) | 2021-10-26 | 2021-10-26 | 一种高铁受电弓异常检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113989666A CN113989666A (zh) | 2022-01-28 |
| CN113989666B true CN113989666B (zh) | 2023-01-31 |
Family
ID=79742007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111251501.3A Active CN113989666B (zh) | 2021-10-26 | 2021-10-26 | 一种高铁受电弓异常检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113989666B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109060831A (zh) * | 2018-08-09 | 2018-12-21 | 惠州太初科技有限公司 | 一种基于底板拟合的自动脏污检测方法 |
| CN109523527A (zh) * | 2018-11-12 | 2019-03-26 | 北京地平线机器人技术研发有限公司 | 图像中脏污区域的检测方法、装置和电子设备 |
| CN110766679A (zh) * | 2019-10-25 | 2020-02-07 | 普联技术有限公司 | 镜头脏污检测方法、装置及终端设备 |
| CN111127381A (zh) * | 2018-10-15 | 2020-05-08 | 西南交通大学 | 一种受电弓滑板不平行检测方法 |
| CN111260629A (zh) * | 2020-01-16 | 2020-06-09 | 成都地铁运营有限公司 | 基于图像处理的受电弓结构异常检测算法 |
| 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 |
| CN113436157A (zh) * | 2021-06-18 | 2021-09-24 | 西南交通大学 | 一种用于受电弓故障的车载图像识别方法 |
-
2021
- 2021-10-26 CN CN202111251501.3A patent/CN113989666B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109060831A (zh) * | 2018-08-09 | 2018-12-21 | 惠州太初科技有限公司 | 一种基于底板拟合的自动脏污检测方法 |
| CN111127381A (zh) * | 2018-10-15 | 2020-05-08 | 西南交通大学 | 一种受电弓滑板不平行检测方法 |
| CN109523527A (zh) * | 2018-11-12 | 2019-03-26 | 北京地平线机器人技术研发有限公司 | 图像中脏污区域的检测方法、装置和电子设备 |
| 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 |
| CN110766679A (zh) * | 2019-10-25 | 2020-02-07 | 普联技术有限公司 | 镜头脏污检测方法、装置及终端设备 |
| CN111260629A (zh) * | 2020-01-16 | 2020-06-09 | 成都地铁运营有限公司 | 基于图像处理的受电弓结构异常检测算法 |
| CN113436157A (zh) * | 2021-06-18 | 2021-09-24 | 西南交通大学 | 一种用于受电弓故障的车载图像识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 《基于结构光的受电弓弓头常见故障检测系统研究》;厉高;《中国优秀硕士学位论文全文数据库》;20210715;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113989666A (zh) | 2022-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104794720B (zh) | 一种在接触网图像中定位出定位线夹的方法及系统 | |
| CN104318582B (zh) | 一种高铁接触网旋转双耳部件销钉不良状态检测方法 | |
| CN111814686A (zh) | 一种基于视觉的输电线路识别及异物入侵在线检测方法 | |
| US8712149B2 (en) | Apparatus and method for foreground detection | |
| CN115184726B (zh) | 一种智能电网故障实时监测定位系统及方法 | |
| CN111003446A (zh) | 一种皮带跑偏检测方法 | |
| CN110880184B (zh) | 一种基于光流场进行摄像头自动巡检的方法及装置 | |
| CN107633266B (zh) | 一种电力机车接触网受电弓电弧检测方法 | |
| CN110310275A (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
| CN103093179A (zh) | 视频条纹量化计算方法 | |
| CN106778439B (zh) | 一种基于图像处理的锂电池批量扫码系统及方法 | |
| CN113177605A (zh) | 一种基于视频监控的废钢车厢等级判定方法 | |
| CN113639685A (zh) | 位移检测方法、装置、设备和存储介质 | |
| CN113989666B (zh) | 一种高铁受电弓异常检测方法 | |
| CN113469974B (zh) | 球团链篦机篦板状态监测方法及其监测系统 | |
| CN106067020A (zh) | 实时场景下快速获取有效图像的系统和方法 | |
| CN114002228A (zh) | 基于图像识别的皮带裂缝检测方法 | |
| CN113409303A (zh) | 一种高速铁路接触网目标检测与跟踪方法 | |
| CN112714308A (zh) | 一种检测视频滚动条纹的方法及装置 | |
| CN111862023A (zh) | 一种基于计算机视觉的受电弓结构异常检测方法 | |
| CN109934172B (zh) | 高速列车受电弓免gps全运行线故障视觉检测定位方法 | |
| CN112179922A (zh) | 一种电线电缆缺陷检测系统 | |
| Zhang et al. | An automatic diagnostic method of abnormal heat defect in transmission lines based on infrared video | |
| CN112285111A (zh) | 一种受电弓前碳滑板缺陷检测方法、装置、系统和介质 | |
| CN112330633B (zh) | 基于自适应带通滤波的跨接线胶带破损故障图像分割方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |