CN115272983B - 基于图像识别的接触网悬挂状态监测方法及系统 - Google Patents
基于图像识别的接触网悬挂状态监测方法及系统 Download PDFInfo
- Publication number
- CN115272983B CN115272983B CN202211194475.XA CN202211194475A CN115272983B CN 115272983 B CN115272983 B CN 115272983B CN 202211194475 A CN202211194475 A CN 202211194475A CN 115272983 B CN115272983 B CN 115272983B
- Authority
- CN
- China
- Prior art keywords
- image
- catenary
- electrochemical
- suspension
- cluster
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供的基于图像识别的接触网悬挂状态监测方法及系统,相较于相关的基于监测标准进行电化接触网图像信息的比较,大可不必事先进行监测标准的制定,仅需确定出接触网悬挂监测决策图像簇,使得对待识别电化接触网图像进行的悬挂状态识别可以直接基于接触网悬挂监测决策图像簇中的每个电化接触网图像进行特征共性度计算,能够规避通过监测标准进行确定时只有满足监测标准的图像才能被识别出来,而剩余图像难以被识别而导致的异常悬挂状态识别遗漏,还能够规避由于监测标准的不合理情况而造成的异常悬挂状态识别误差,这样可以提升异常悬挂状态图像识别的准确性和可信度。
Description
技术领域
本发明涉及接触网技术领域,特别涉及一种基于图像识别的接触网悬挂状态监测方法及系统。
背景技术
接触网是在电气化铁道中,沿钢轨上空“之”字形架设的,供受电弓取流的高压输电线。接触网是铁路电气化工程的主构架,是沿铁路线上空架设的向电力机车供电的特殊形式的输电线路。其由接触悬挂、支持装置、定位装置、支柱与基础几部分组成。接触网性能的优劣对于电力机车的稳定安全运行至关重要,而接触网的悬挂状态是反映接触网性能的其中一个方面,因此,对于接触网的异常悬挂状态检测是接触网安全运维中的关键环节。但是相关技术在进行接触网的异常悬挂状态检测时容易出现遗漏和误差,难以保障检测精度和可信度。
发明内容
为改善相关技术中存在的技术问题,本发明提供了一种基于图像识别的接触网悬挂状态监测方法及系统。
第一方面,本发明实施例提供了一种基于图像识别的接触网悬挂状态监测方法,应用于图像识别系统,所述方法包括:该方法至少包括:
采集若干个第一电化接触网图像以及若干个第二电化接触网图像;其中,所述第一电化接触网图像为携带了悬挂状态注释信息的电化接触网图像,所述第二电化接触网图像为没有添加悬挂状态注释信息的异常悬挂状态图像;
结合每个第一电化接触网图像携带的悬挂状态注释信息,挖掘所述每个第一电化接触网图像对应的悬挂状态监测知识,并基于所述悬挂状态监测知识确定所述若干个第一电化接触网图像中的异常悬挂状态图像;
利用所确定的异常悬挂状态图像和所述若干个第二电化接触网图像,生成接触网悬挂监测决策图像簇,并确定所述接触网悬挂监测决策图像簇中的每个电化接触网图像与待识别电化接触网图像之间的特征共性度,得到若干个特征共性分析信息;
如果依据所述若干个特征共性分析信息鉴别出所述接触网悬挂监测决策图像簇中具有与所述待识别电化接触网图像之间的特征共性度符合监测识别要求的电化接触网图像,则确定所述待识别电化接触网图像为异常悬挂状态图像。
在一些实施方式下,利用所述悬挂状态监测知识确定所述若干个第一电化接触网图像中的异常悬挂状态图像,包括:
将所述每个第一电化接触网图像对应的悬挂状态表现变量加载到完成调试的电化接触网图像识别算法,得到所述电化接触网图像识别算法生成的所述每个第一电化接触网图像对应的异常检测评分,所述异常检测评分为所述第一电化接触网图像为异常悬挂状态图像的可能性,所述电化接触网图像识别算法是基于若干个携带了悬挂状态注释信息的电化接触网图像样例和每个电化接触网图像样例对应的图像状态种类调试得到的,所述图像状态种类包括异常悬挂状态图像和正常悬挂状态图像;
利用所述每个第一电化接触网图像对应的异常检测评分,确定所述若干个第一电化接触网图像中的异常悬挂状态图像。
在一些实施方式下,利用所述每个第一电化接触网图像对应的异常检测评分,确定所述若干个第一电化接触网图像中的异常悬挂状态图像,包括:将所述若干个第一电化接触网图像中异常检测评分超过第一设定判定值的第一电化接触网图像,作为所述若干个第一电化接触网图像中的异常悬挂状态图像。
在一些实施方式下,确定所述接触网悬挂监测决策图像簇中的每个电化接触网图像与待识别电化接触网图像之间的特征共性度,得到若干个特征共性分析信息,包括:利用所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组以及所述待识别电化接触网图像对应的第二图像描述数组,确定所述接触网悬挂监测决策图像簇中的每个电化接触网图像与所述待识别电化接触网图像之间的描述数组差异值;
如果依据所述若干个特征共性分析信息鉴别出所述接触网悬挂监测决策图像簇中具有与所述待识别电化接触网图像之间的特征共性度符合监测识别要求的电化接触网图像,则确定所述待识别电化接触网图像为异常悬挂状态图像,包括:如果依据若干个描述数组差异值鉴别出所述接触网悬挂监测决策图像簇中具有与所述待识别电化接触网图像之间的描述数组差异值不超过第二设定判定值的电化接触网图像,则确定所述待识别电化接触网图像为异常悬挂状态图像。
在一些实施方式下,所述方法还包括:
对所述接触网悬挂监测决策图像簇中的每个电化接触网图像进行图像拆解,得到所述每个电化接触网图像对应的第一局部图像块簇;
对所述第一局部图像块簇中的每个局部图像块进行特征映射,得到所述每个局部图像块的特征变量;
利用所述每个局部图像块的特征变量以及所述每个局部图像块对应的重要系数,生成所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组。
在一些实施方式下,利用所述每个局部图像块的特征变量以及所述每个局部图像块对应的重要系数,生成所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组,包括:
利用所述每个局部图像块对应的重要系数对相应的特征变量进行特征运算,得到所述每个局部图像块对应的完成特征运算的变量值;
将所述每个局部图像块对应的完成特征运算的变量值进行求和,得到求和结果,并对所述求和结果进行缩放调整,得到所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组。
在一些实施方式下,所述方法还包括:
对所述接触网悬挂监测决策图像簇中的每个电化接触网图像进行图像拆解,得到所述每个电化接触网图像对应的第一局部图像块簇;
对所述第一局部图像块簇中的目标局部图像块进行特征映射,得到所述目标局部图像块的特征变量;
利用所述目标局部图像块的特征变量以及所述目标局部图像块对应的重要系数,生成所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组。
在一些实施方式下,所述方法还包括:
确定所述第一局部图像块簇中的每个局部图像块在所述接触网悬挂监测决策图像簇中的图像关注热度值;
按照所述图像关注热度值降序的规则,从所述第一局部图像块簇中挑选设定数目个局部图像块作为所述目标局部图像块。
在一些实施方式下,确定所述第一局部图像块簇中的每个局部图像块在所述接触网悬挂监测决策图像簇中的图像关注热度值,包括:
确定所述每个局部图像块在所述接触网悬挂监测决策图像簇中存在的显著程度值,以及确定所述每个局部图像块在所述接触网悬挂监测决策图像簇中对应的影响系数;
将所述显著程度值与所述影响系数的设定运算结果,作为所述每个局部图像块在所述接触网悬挂监测决策图像簇中的图像关注热度值。
第二方面,本发明还提供了一种图像识别系统,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
第三方面,本发明还提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的方法。
对于本发明实施例而言,通过采集若干个第一电化接触网图像和若干个第二电化接触网图像,第一电化接触网图像为携带了悬挂状态注释信息的电化接触网图像,第二电化接触网图像为没有添加悬挂状态注释信息的异常悬挂状态图像,然后通过挖掘到的每个第一电化接触网图像对应的悬挂状态监测知识,确定出若干个第一电化接触网图像中的异常悬挂状态图像,进而利用所确定的异常悬挂状态图像和若干个第二电化接触网图像生成接触网悬挂监测决策图像簇,对待识别电化接触网图像与接触网悬挂监测决策图像簇中的每个电化接触网图像之间的特征共性度进行确定,如果根据若干个特征共性分析信息鉴别出接触网悬挂监测决策图像簇中具有与待识别电化接触网图像之间的特征共性度符合监测识别要求的电化接触网图像,便能够确定待识别电化接触网图像为异常悬挂状态图像。相较于相关的基于监测标准进行电化接触网图像信息的比较,本发明实施例的设计思路大可不必事先进行监测标准的制定,仅需确定出接触网悬挂监测决策图像簇,使得对待识别电化接触网图像进行的悬挂状态识别可以直接基于接触网悬挂监测决策图像簇中的每个电化接触网图像进行特征共性度计算,能够规避通过监测标准进行确定时只有满足监测标准的图像才能被识别出来,而剩余图像难以被识别而导致的异常悬挂状态识别遗漏,还能够规避由于监测标准的不合理情况而造成的异常悬挂状态识别误差,这样可以提升异常悬挂状态图像识别的准确性和可信度,为电气化铁路/高铁的平稳安全运行提供坚实的分析基础。
附图说明
图1是本发明实施例提供的一种基于图像识别的接触网悬挂状态监测方法的流程示意图。
图2是本发明实施例提供的一种基于图像识别的接触网悬挂状态监测方法的应用环境的通信架构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本发明实施例所提供的方法实施例可以在图像识别系统、计算机设备或者类似的运算装置中执行。以运行在图像识别系统上为例,图像识别系统10可以包括一个或多个处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述图像识别系统还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解,上述结构仅为示意,其并不对上述图像识别系统的结构造成限定。例如,图像识别系统10还可包括比上述所示更多或者更少的组件,或者具有与上述所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种基于图像识别的接触网悬挂状态监测方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至图像识别系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括图像识别系统10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
基于此,请参阅图1,图1是本发明实施例所提供的一种基于图像识别的接触网悬挂状态监测方法的流程示意图,该方法应用于图像识别系统,进一步可以包括STEP210-STEP240所描述的技术方案。
STEP210、采集若干个第一电化接触网图像以及若干个第二电化接触网图像。
其中,所述第一电化接触网图像为携带了悬挂状态注释信息的电化接触网图像,所述第二电化接触网图像为没有添加悬挂状态注释信息的异常悬挂状态图像。
STEP220、结合每个第一电化接触网图像携带的悬挂状态注释信息,挖掘所述每个第一电化接触网图像对应的悬挂状态监测知识,并基于所述悬挂状态监测知识确定所述若干个第一电化接触网图像中的异常悬挂状态图像。
STEP230、利用所确定的异常悬挂状态图像和所述若干个第二电化接触网图像,生成接触网悬挂监测决策图像簇,并确定所述接触网悬挂监测决策图像簇中的每个电化接触网图像与待识别电化接触网图像之间的特征共性度,得到若干个特征共性分析信息。
STEP240、如果依据所述若干个特征共性分析信息鉴别出所述接触网悬挂监测决策图像簇中具有与所述待识别电化接触网图像之间的特征共性度符合监测识别要求的电化接触网图像,则确定所述待识别电化接触网图像为异常悬挂状态图像。
对于STEP210而言,就采集的若干个第一电化接触网图像以及若干个第二电化接触网图像而言,所述第一电化接触网图像为携带了悬挂状态注释信息的电化接触网图像(比如存在标签的电化接触网图像),所述第二电化接触网图像为没有添加悬挂状态注释信息的异常悬挂状态图像(比如不存在标签的电化接触网图像)。
进一步地,第一电化接触网图像为事先携带了悬挂状态注释信息的电化接触网图像,携带的悬挂状态注释信息可以是关于第一电化接触网图像的异常悬挂状态进行标记的悬挂状态注释信息,比如,标记第一电化接触网图像的悬挂状态注释信息可以是接触线和吊弦的异常悬挂状态标签1、吊弦和承力索的异常悬挂状态标签2、支持装置(腕臂、水平拉杆、绝缘子等)的异常悬挂状态标签3等,第二电化接触网图像是没有添加悬挂状态注释信息的异常悬挂状态图像,异常悬挂状态图像可以理解为包含了处于异常悬挂状态的各类部件的电化接触网图像,比如,如果接触线、吊弦、承力索、腕臂、水平拉杆、绝缘子等中的至少一类处于悬挂异常状态(悬挂异常状态可以根据相关的技术手册确定,在此不作赘述),则对应的电化接触网图像可以理解为异常悬挂状态图像。
在本发明实施例中,电化接触网图像可以为RGB图像,也可以为其他种类的图像,本发明实施例不作限。
对于STEP220而言,结合每个第一电化接触网图像携带的悬挂状态注释信息,挖掘所述每个第一电化接触网图像对应的悬挂状态监测知识(该悬挂状态监测知识是基于悬挂状态注释信息挖掘得到的监测图像特征向量或者监测图像知识字段),并基于所述悬挂状态监测知识确定所述若干个第一电化接触网图像中的异常悬挂状态图像。
本发明实施例中,如果需确定若干个第一电化接触网图像中的异常悬挂状态图像,则需结合每个第一电化接触网图像携带的悬挂状态注释信息,挖掘得到每个第一电化接触网图像对应的悬挂状态监测知识,示例性的,悬挂状态监测知识是由不少于一个事先确定的悬挂状态注释描述形成的知识字段/数组。该事先确定的悬挂状态注释描述包括:悬挂状态注释信息种类,悬挂状态注释信息在电化接触网图像中存在的区域,悬挂状态注释信息在局部图像中存在的区域,电化接触网图像类型,电化接触网图像尺寸等。如此,通过多维度的描述信息构成知识字段/数组的思路进行第一电化接触网图像中的异常悬挂状态图像的确定,相较于使用单维度的描述信息进行第一电化接触网图像中的异常悬挂状态图像的确定,能够尽可能精准地确定第一电化接触网图像中的异常悬挂状态图像,尽量减少误识别的概率。
进一步地,悬挂状态注释信息种类可以包括第一种悬挂状态注释信息、第二种悬挂状态注释信息和第三种悬挂状态注释信息。第一种悬挂状态注释信息可以是基于安全级别区分的悬挂状态注释信息,可以有接触线和吊弦的异常悬挂状态标签1、吊弦和承力索的异常悬挂状态标签2、支持装置(腕臂、水平拉杆、绝缘子等)的异常悬挂状态标签3三个等级;第二种悬挂状态注释信息可以是带有外界负载因素(风负载、冰负载等)的悬挂状态注释信息。第三种悬挂状态注释信息可以是其他不限定的并能够反映电化接触网图像异常悬挂状态的悬挂状态注释信息。悬挂状态注释信息在电化接触网图像中存在的区域可以包括悬挂状态注释信息存在于电化接触网图像的上图像区域、中图像区域或者下图像区域。悬挂状态注释信息在局部图像中存在的区域可以包括悬挂状态注释信息存在于局部图像的左则、中部或者右侧,在此不作限定。
可以理解,悬挂状态监测知识的挖掘(可以理解为特征提取、特征挖掘或者知识提炼)是为了能够基于悬挂状态监测知识实现第一电化接触网图像的智能化区分处理(自动分类)。鉴于此,在挖掘得到每个第一电化接触网图像对应的悬挂状态监测知识后,进一步,可以根据悬挂状态监测知识,对若干个第一电化接触网图像进行区分处理,以确定出若干个第一电化接触网图像中的异常悬挂状态图像和正常悬挂状态图像。
就STEP230而言,利用所确定的异常悬挂状态图像和所述若干个第二电化接触网图像,生成接触网悬挂监测决策图像簇(用于进行异常悬挂状态分析的参考图像集),并确定所述接触网悬挂监测决策图像簇中的每个电化接触网图像与待识别电化接触网图像之间的特征共性度(比如相似度),得到若干个特征共性分析信息(比如相似度计算结果)。
可以理解的是,在确定出若干个第一电化接触网图像中的异常悬挂状态图像之后,可基于所确定的异常悬挂状态图像和若干个第二电化接触网图像生成接触网悬挂监测决策图像簇,以计算接触网悬挂监测决策图像簇中的每个电化接触网图像与待识别电化接触网图像之间的特征共性度,得到若干个特征共性分析信息。示例性的,比如确定出的异常悬挂状态图像为电化接触网图像picture1和电化接触网图像picture2,若干个第二电化接触网图像分别为电化接触网图像picture3、电化接触网图像picture4和电化接触网图像picture5,则接触网悬挂监测决策图像簇可以包括电化接触网图像picture1、电化接触网图像picture2、电化接触网图像picture3、电化接触网图像picture4和电化接触网图像picture5,且电化接触网图像picture1、电化接触网图像picture2、电化接触网图像picture3、电化接触网图像picture4和电化接触网图像picture5都是异常悬挂状态图像。
进一步地,待识别电化接触网图像可以是电气化铁路安全监测设备上传的待识别电化接触网图像,该待识别电化接触网图像可以是电气化铁路安全监测设备的操作人员输入的电化接触网图像,比如电气化铁路安全监测设备的操作人员通过不同的方式输入的电化接触网图像,还可以通过其他技术获得对应的电化接触网图像。
进一步地,所述电化接触网图像的特征共性度计算的思路可以是基于相似度计算规则实现,比如确定两个电化接触网图像之间的图像相似度,比如,可以在特征向量层面进行余弦距离、欧式距离的确定以得到对应的相似度。
对于STEP240而言,如果依据所述若干个特征共性分析信息鉴别出所述接触网悬挂监测决策图像簇中具有与所述待识别电化接触网图像之间的特征共性度符合监测识别要求的电化接触网图像,则确定所述待识别电化接触网图像为异常悬挂状态图像。
在本发明实施例中,监测识别要求(可以理解为相似度评判条件)是事先配置的将待识别电化接触网图像归为异常悬挂状态图像的要求,比如,倘若接触网悬挂监测决策图像簇中具有与待识别电化接触网图像之间的特征共性度符合监测识别要求的电化接触网图像,便能够将待识别电化接触网图像识别为异常悬挂状态图像。
进一步地,在采用特征共性值表示特征共性分析信息时,监测识别要求可以是特征共性判定值,特征共性判定值是事先配置将电化接触网图像识别成相关种类的最小共性度,比如如果接触网悬挂监测决策图像簇中具有与待识别电化接触网图像之间的特征共性值/相似值大于特征共性判定值的电化接触网图像,便能够确定待识别电化接触网图像为异常悬挂状态图像。
应用于上述技术方案,相较于相关的基于监测标准进行电化接触网图像信息的比较,大可不必事先进行监测标准的制定,仅需确定出接触网悬挂监测决策图像簇,使得对待识别电化接触网图像进行的悬挂状态识别可以直接基于接触网悬挂监测决策图像簇中的每个电化接触网图像进行特征共性度计算,能够规避通过监测标准进行确定时只有满足监测标准的图像才能被识别出来,而剩余图像难以被识别而导致的异常悬挂状态识别遗漏,还能够规避由于监测标准的不合理情况而造成的异常悬挂状态识别误差,这样可以提升异常悬挂状态图像识别的准确性和可信度,为电气化铁路/高铁的平稳安全运行提供坚实的分析基础。
对于一些可能的示例而言,可基于完成调试的电化接触网图像识别算法的思路确定若干个第一电化接触网图像中的异常悬挂状态图像,比如可以包括STEP310和STEP320所描述的内容。
STEP310、将所述每个第一电化接触网图像对应的悬挂状态表现变量加载到完成调试的电化接触网图像识别算法,得到所述电化接触网图像识别算法生成的所述每个第一电化接触网图像对应的异常检测评分。
其中,所述异常检测评分(异常检测概率)为所述第一电化接触网图像为异常悬挂状态图像的可能性,所述电化接触网图像识别算法是基于若干个携带了悬挂状态注释信息的电化接触网图像样例和每个电化接触网图像样例对应的图像状态种类(比如图像类别)调试得到的,所述图像状态种类包括异常悬挂状态图像和正常悬挂状态图像。
在本发明实施例中,需要使用完成调试的电化接触网图像识别算法,该电化接触网图像识别算法是基于若干个携带了悬挂状态注释信息的电化接触网图像样例和每个电化接触网图像样例对应的图像状态种类对通用的分类器进行调试得到的。其中,通用的分类器可以根据实际情况选择现有的模型,在此不作限制。每个电化接触网图像样例对应的图像状态种类是事先配置的,图像状态种类可以包括异常悬挂状态图像和正常悬挂状态图像,比如事先配置哪一部分电化接触网图像样例是异常悬挂状态图像,哪一部分电化接触网图像样例是正常悬挂状态图像。在使用电化接触网图像样例进行通用的分类器的调试时,也需要挖掘每个电化接触网图像样例对应的悬挂状态表现变量(比如悬挂状态特征值,也可以理解为标签的特征值),其中,调试时使用的悬挂状态表现变量包含的描述信息的种类与对第一电化接触网图像进行异常悬挂状态图像确定时使用的悬挂状态表现变量包含的描述信息的种类是一致的。
进一步地,在调试得到电化接触网图像识别算法之后,将每个第一电化接触网图像对应的悬挂状态表现变量加载到完成调试的电化接触网图像识别算法中,可以得到电化接触网图像识别算法生成的每个第一电化接触网图像对应的异常检测评分,其中,异常检测评分为第一电化接触网图像为异常悬挂状态图像的可能性,异常检测评分是一种条件可能性,在已完成部署电化接触网图像识别算法中的数据传入单元、中间单元及结果输出单元、及事先配置异常悬挂状态图像和正常悬挂状态图像的基础上,将悬挂状态表现变量输入电化接触网图像识别算法之后,生成的电化接触网图像为异常悬挂状态图像的可能性。
STEP320、利用所述每个第一电化接触网图像对应的异常检测评分,确定所述若干个第一电化接触网图像中的异常悬挂状态图像。
示例性的,在获得每个第一电化接触网图像对应的异常检测评分之后,便能够根据异常检测评分确定出若干个第一电化接触网图像中的异常悬挂状态图像。
对于一些可能的示例而言,利用所述每个第一电化接触网图像对应的异常检测评分,确定所述若干个第一电化接触网图像中的异常悬挂状态图像的方法可以包括如下内容:将所述若干个第一电化接触网图像中异常检测评分超过第一设定判定值的第一电化接触网图像,作为所述若干个第一电化接触网图像中的异常悬挂状态图像。
在本发明实施例中,第一设定判定值可以灵活设置,比如,将第一设定判定值设定为0.9,那么如果若干个第一电化接触网图像中具有异常检测评分大于0.9的第一电化接触网图像时,便能够将该异常检测评分大于0.9的第一电化接触网图像作为若干个第一电化接触网图像中的异常悬挂状态图像。
对于一些可能的示例而言,确定接触网悬挂监测决策图像簇中的每个电化接触网图像与待识别电化接触网图像之间的特征共性度的方法可以是根据接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组(比如可以但不限于是哈希值)以及待识别电化接触网图像对应的第二图像描述数组的比较计算得到,示例性的可以包括STEP410和STEP420所描述的内容。
STEP410、利用所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组以及所述待识别电化接触网图像对应的第二图像描述数组,确定所述接触网悬挂监测决策图像簇中的每个电化接触网图像与所述待识别电化接触网图像之间的描述数组差异值。
例如,确定图像描述数组是一种基于设定映射规则得到电化接触网图像的hash变量的方法,其映射结果是确定出该电化接触网图像的一个不重复的特征变量。在本发明实施例中,接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组可反映每个电化接触网图像的细节信息,第二图像描述数组可反映待识别电化接触网图像的细节信息,鉴于此,可以通过第一图像描述数组和第二图像描述数组进行接触网悬挂监测决策图像簇中的每个电化接触网图像与待识别电化接触网图像之间的特征共性度分析。
由于电化接触网图像的图像描述数组可以理解为数组向量,在本发明实施例中,可以通过第一数组特征变量和第二数组特征变量计算描述数组差异值,来判断待识别电化接触网图像与接触网悬挂监测决策图像簇中的每个电化接触网图像是否相似。比如,如果接触网悬挂监测决策图像簇中某个电化接触网图像对应的第一图像描述数组为{abaaaba},待识别电化接触网图像对应的第二图像描述数组为{abbabba},便能够确定接触网悬挂监测决策图像簇中的该电化接触网图像与待识别电化接触网图像之间的描述数组差异值为2。
STEP420、如果依据若干个描述数组差异值鉴别出所述接触网悬挂监测决策图像簇中具有与所述待识别电化接触网图像之间的描述数组差异值不超过第二设定判定值的电化接触网图像,则确定所述待识别电化接触网图像为异常悬挂状态图像。
进一步地,第二设定判定值可以灵活设置,当两个电化接触网图像之间的描述数组差异值不超过第二设定判定值时,则判定两个电化接触网图像信息类似,否则,两个电化接触网图像信息不类似,进一步地,根据描述数组差异值的确定规则以及相似度分析方式,可以将第二设定判定值设为3。
在本发明实施例中,在确定出接触网悬挂监测决策图像簇中的每个电化接触网图像与待识别电化接触网图像之间的描述数组差异值,得到若干个描述数组差异值之后,如果根据若干个描述数组差异值鉴别出接触网悬挂监测决策图像簇中具有与待识别电化接触网图像之间的描述数组差异值不超过第二设定判定值的电化接触网图像,换言之,接触网悬挂监测决策图像簇中具有与待识别电化接触网图像类似/接近的电化接触网图像,便能够确定待识别电化接触网图像为异常悬挂状态图像。
对于一些可能的示例而言,接触网悬挂监测决策图像簇中每个电化接触网图像对应的第一图像描述数组的确定思路可以包括STEP510-STEP530所描述的内容。
STEP510、对所述接触网悬挂监测决策图像簇中的每个电化接触网图像进行图像拆解,得到所述每个电化接触网图像对应的第一局部图像块簇。
示例性的,首先对接触网悬挂监测决策图像簇中的每个电化接触网图像进行图像拆解,得到多个图像块,若干个图像块构成了每个电化接触网图像对应的第一局部图像块簇。在本发明实施例中,对图像进行拆分的过程可以通过现有技术实现,在此不作限定。
STEP520、对所述第一局部图像块簇中的每个局部图像块进行特征映射,得到所述每个局部图像块的特征变量。
进一步地,在对接触网悬挂监测决策图像簇中的每个电化接触网图像进行图像拆解得到每个电化接触网图像对应的第一局部图像块簇之后,可以对第一局部图像块簇中的每个局部图像块进行特征映射,得到每个局部图像块的特征变量(通过字符和/或数字组合得到的向量),这样可以实现将局部图像块由电化接触网图像转换为特征向量。
STEP530、利用所述每个局部图像块的特征变量以及所述每个局部图像块对应的重要系数,生成所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组。
举例而言,每个局部图像块对应的重要系数(权重值)可以理解为每个局部图像块在对应电化接触网图像中的关注程度(也可以理解为存在的次数),当确定每个电化接触网图像对应的第一图像描述数组的第p个数组排位时,则获取到该电化接触网图像中的每个局部图像块的特征变量在其第p个数组排位上的值,然后根据每个局部图像块的特征变量在其第p个数组排位上的值以及每个局部图像块对应的重要系数进行运算(加权求和),得到第一图像描述数组第p个数组排位的数值,从而得到该电化接触网图像对应的第一图像描述数组。
可选的,STEP530可以通过STEP610和STEP620实现。
STEP610、利用所述每个局部图像块对应的重要系数对相应的特征变量进行特征运算,得到所述每个局部图像块对应的完成特征运算的变量值。
以接触网悬挂监测决策图像簇中的电化接触网图像picture1为例,比如电化接触网图像picture1的局部图像块有Q个,每个局部图像块对应的重要系数分别为:第1个局部图像块对应的重要系数为r1;第2个局部图像块对应的重要系数为r2,等等,第Q个局部图像块对应的重要系数为rQ;且每个局部图像块的特征变量分别为:第1个局部图像块的特征变量为abbbaa;第2个局部图像块的特征变量为baabaa,等等,第Q个局部图像块的特征变量为baabaa。则根据每个局部图像块对应的重要系数对相应的特征变量进行特征运算,可以得到每个局部图像块对应的完成特征运算的变量值分别为:第1个局部图像块的对应的完成特征运算的变量值为r1-r1-r1-r1r1r1,第2个局部图像块的对应的完成特征运算的变量值为-r2r2r2-r2r2r2,等等,第Q个局部图像块的对应的完成特征运算的变量值为-rQrQrQ-rQrQrQ。
STEP620、将所述每个局部图像块对应的完成特征运算的变量值进行求和,得到求和结果,并对所述求和结果进行缩放调整,得到所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组。
可以理解的是,在通过STEP610确定得到每个局部图像块对应的完成特征运算的变量值后,可以将每个完成特征运算的变量值进行求和,得到求和结果,也就是将若干个求和结果汇总为一个结果,然后对求和结果进行缩放调整(比如降维处理),其中,缩放调整可以是当求和结果中为负时赋值0,为正时取赋值1,最后得到每个电化接触网图像对应的第一图像描述数组。
在本发明的另一个实施例中,接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组的确定思路还可以包括如下相关内容。
STEP710、对所述接触网悬挂监测决策图像簇中的每个电化接触网图像进行图像拆解,得到所述每个电化接触网图像对应的第一局部图像块簇。
STEP720、对所述第一局部图像块簇中的目标局部图像块进行特征映射,得到所述目标局部图像块的特征变量。
STEP730、利用所述目标局部图像块的特征变量以及所述目标局部图像块对应的重要系数,生成所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组。
可以理解的是,STEP710及STEP730分别与STEP510及STEP530的设计思路类似,从另外的角度来看,本发明实施例是对第一局部图像块簇中的目标局部图像块进行特征映射,然后根据目标局部图像块的特征变量以及目标局部图像块对应的重要系数,生成接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组,这样可以减少特征映射的运算开销,提高图像识别效率。
对于一些可能的示例而言,目标局部图像块可以是根据每个局部图像块的图像关注热度值挑选出的,可以包括STEP810-STEP820。
STEP810、确定所述第一局部图像块簇中的每个局部图像块在所述接触网悬挂监测决策图像簇中的图像关注热度值。
图像关注热度值可以理解为显著程度值,用于表征局部图像块在整体图像中的重要程度或者价值度。
其中,通过确定第一局部图像块簇中的每个局部图像块在接触网悬挂监测决策图像簇中的图像关注热度值,比如确定每个局部图像块对于接触网悬挂监测决策图像簇的贡献值,可以进一步根据贡献值挑选出目标局部图像块。
STEP820、按照所述图像关注热度值降序的规则,从所述第一局部图像块簇中挑选设定数目个局部图像块作为所述目标局部图像块。
可以理解的是,在确定出每个局部图像块在接触网悬挂监测决策图像簇中的图像关注热度值之后,可以按照图像关注热度值降序的规则,从第一局部图像块簇中挑选设定数目个局部图像块作为目标局部图像块。
举例而言,挑选的思路可以是挑选位置处于前列的设定数目个局部图像块作为目标局部图像块,位置处于前列的局部图像块的图像关注热度值越高,说明局部图像块在接触网悬挂监测决策图像簇中的贡献值越高,由于第一图像描述数组能够代表接触网悬挂监测决策图像簇中的每个电化接触网图像的细节信息,基于此,将贡献值高的局部图像块作为目标局部图像块,然后对目标局部图像块进行特征映射,生成接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组,可以使得第一图像描述数组能够更加反映每个电化接触网图像的细节信息。
举例而言,STEP810可以包括STEP910和STEP920。
STEP910、确定所述每个局部图像块在所述接触网悬挂监测决策图像簇中存在的显著程度值,以及确定所述每个局部图像块在所述接触网悬挂监测决策图像簇中对应的影响系数。
为了确定每个局部图像块在接触网悬挂监测决策图像簇中的图像关注热度值,可以首先确定每个局部图像块在接触网悬挂监测决策图像簇中存在的显著程度值(通过局部图像块的出现次数确定)。之后,进一步确定每个局部图像块在接触网悬挂监测决策图像簇中对应的影响系数,确定得到的影响系数为每个局部图像块的关注程度除以局部图像块的总数目。
比如接触网悬挂监测决策图像簇有1000张电化接触网图像,对接触网悬挂监测决策图像簇中的每个电化接触网图像进行图像拆解,得到每个电化接触网图像对应的第一局部图像块簇,根据每个电化接触网图像对应的第一局部图像块簇可以确定得到局部图像块的总数目为1万个,进一步假设局部图像块“part1”在接触网悬挂监测决策图像簇中的出现次数为18,局部图像块“part1”在接触网悬挂监测决策图像簇中10张电化接触网图像中存在过,便能够确定得到局部图像块“part1”对应的影响系数为index1=0.0018,局部图像块“part1”存在的显著程度值为value=log(1000/10)=2。
STEP920、将所述显著程度值与所述影响系数的设定运算结果,作为所述每个局部图像块在所述接触网悬挂监测决策图像簇中的图像关注热度值。
进一步地,可以将确定出的显著程度值与影响系数的设定运算结果作为每个局部图像块在接触网悬挂监测决策图像簇中的图像关注热度值。就STEP910而言,确定得到的影响系数index1=0.0018,显著程度值value=2,便能够计算得到局部图像块“part1”的图像关注热度值index1-value=0.0036。
对于一些可能的示例而言,待识别电化接触网图像对应的第二图像描述数组的确定思路可以包括:对所述待识别电化接触网图像进行图像拆解,得到第二局部图像块簇;对所述第二局部图像块簇中的每个局部图像块进行特征映射,得到所述每个局部图像块的特征变量;利用所述每个局部图像块的特征变量以及所述每个局部图像块对应的重要系数,生成所述待识别电化接触网图像对应的第二图像描述数组。
本发明实施例中生成待识别电化接触网图像对应的第二图像描述数组的思路与上述确定接触网悬挂监测决策图像对应的第一图像描述数组的思路接近。
在本发明的另一个实施例中,生成待识别电化接触网图像对应的第二图像描述数组的方法还可以包括:对所述待识别电化接触网图像进行图像拆解,得到第二局部图像块簇;对所述第二局部图像块簇中的目标局部图像块进行特征映射,得到所述目标局部图像块的特征变量;利用所述目标局部图像块的特征变量以及所述每个局部图像块对应的重要系数,生成所述待识别电化接触网图像对应的第二图像描述数组。
本发明实施例中确定待识别电化接触网图像对应的第二图像描述数组的思路与上述确定接触网悬挂监测决策图像对应的第一图像描述数组的思路接近。
在另一些可能的设计思路下,基于图像识别的接触网悬挂状态监测方法可以包括以下内容:采集若干个第一电化接触网图像和若干个第二电化接触网图像,其中,第一电化接触网图像为携带了悬挂状态注释信息的电化接触网图像,第二电化接触网图像为没有添加悬挂状态注释信息的异常悬挂状态图像;挖掘每个第一电化接触网图像对应的悬挂状态监测知识;根据悬挂状态监测知识,确定出异常悬挂状态图像和正常悬挂状态图像;利用所确定的异常悬挂状态图像和若干个第二电化接触网图像,生成接触网悬挂监测决策图像簇;计算接触网悬挂监测决策图像簇中的每个电化接触网图像和待识别电化接触网图像之间的特征共性度,得到若干个特征共性分析信息;如果依据若干个特征共性分析信息鉴别出接触网悬挂监测决策图像簇中具有与待识别电化接触网图像之间的特征共性度符合监测识别要求的电化接触网图像,则确定待识别电化接触网图像为异常悬挂状态图像。
在一些可独立实施的设计思路中,在步骤“如果依据所述若干个特征共性分析信息鉴别出所述接触网悬挂监测决策图像簇中具有与所述待识别电化接触网图像之间的特征共性度符合监测识别要求的电化接触网图像,则确定所述待识别电化接触网图像为异常悬挂状态图像”之后,该方法还可以包括如下内容:获取所述待识别电化接触网图像对应的接触网运行数据;基于所述接触网运行数据进行异常悬挂状态分析,得到针对异常悬挂的影响因素分析结果;利用所述影响因素分析结果进行目标接触网的维护。
在本发明实施例中,可以通过控制/调度中心获取待识别电化接触网图像对应的接触网运行数据,接触网运行数据可以是目标接触网(比如XX1段--XX2段)的运行数据,包括机械结构层面的运行数据和电气(电流电压)层面的运行数据,本领域技术人员可以根据需求确定示例性的运行数据。基于此,可以异常悬挂状态分析,得到针对异常悬挂的影响因素分析结果,包括但不限于环境因素的分析、运行损耗因素的分析等,这样可以得到全面完整的影响因素分析结果,从而通过影响因素分析结果进行目标接触网的针对性维护,确保电气化铁路的正常安全稳定运行。
在一些可独立实施的设计思路中,基于所述接触网运行数据进行异常悬挂状态分析,得到针对异常悬挂的影响因素分析结果,可以通过如下技术方案实现:获取针对所述接触网运行数据的运维要素信息记录,所述运维要素信息记录包括至少两个运维要素信息(不同角度和维度的接触网运行信息);获得所述运维要素信息记录中的各个运维要素信息与所述接触网运行数据之间的影响系数(相关性系数);根据所述各个运维要素信息对应的影响系数,以及所述各个运维要素信息的分类关键词,对所述各个运维要素信息进行整理,得到相应的运维要素信息组;基于所述运维要素信息组确定针对所述接触网运行数据的异常悬挂影响关系队列,所述异常悬挂影响关系队列包括至少两个悬挂影响特征向量;利用所述异常悬挂影响关系队列确定影响因素分析结果。
如此,基于各个运维要素信息对应的影响系数,以及所述各个运维要素信息的分类关键词能够实现运维要素信息组的有序整理,从而实现对异常悬挂影响关系队列的完整准确挖掘分析,避免异常悬挂影响关系队列出现遗漏,且异常悬挂影响关系队列包括至少两个悬挂影响特征向量,因而可以根据不同的悬挂影响特征向量的优先级准确、合理地生成文本化的影响因素分析结果,便于后期进行调用和参考。
在一些可独立实施的设计思路中,所述根据所述各个运维要素信息对应的影响系数,以及所述各个运维要素信息的分类关键词,对所述各个运维要素信息进行整理,得到相应的运维要素信息组,包括:根据所述各个运维要素信息对应的影响系数,以及所述各个运维要素信息的分类关键词,对所述各个运维要素信息进行拆解,得到至少两个运维要素信息子记录;对各个运维要素信息子记录进行整理,并分别对所述各个运维要素信息子记录中的各个运维要素信息进行整理,得到所述运维要素信息组。如此,可以保障运维要素信息组的完整性。
在一些可独立实施的设计思路中,所述根据所述各个运维要素信息对应的影响系数,以及所述各个运维要素信息的分类关键词,对所述各个运维要素信息进行拆解,得到至少两个运维要素信息子记录,包括:分别根据所述各个运维要素信息对应的影响系数,对所述各个运维要素信息的分类关键词进行加权,得到所述各个运维要素信息的项目分类关键词;根据所述各个运维要素信息的项目分类关键词对所述各个运维要素信息进行分组,得到至少两个运维要素信息子记录。
在一些可独立实施的设计思路中,所述对各个运维要素信息子记录之间进行整理,并分别对所述各个运维要素信息子记录中的各个运维要素信息进行整理,得到所述运维要素信息组,包括:根据各个运维要素信息子记录所包含的运维要素信息的数目,对所述各个运维要素信息子记录进行整理;以及,针对所述各个运维要素信息子记录,根据所述运维要素信息子记录中各个运维要素信息的分类关键词与所述运维要素信息子记录的关联度,对所述运维要素信息子记录中的各个运维要素信息进行整理;基于所述各个运维要素信息子记录之间的整理报告,以及所述各个运维要素信息子记录中各个运维要素信息的整理报告,生成所述运维要素信息组。如此,可以保障运维要素信息组的完整性。
基于上述相同或相似的发明构思,请结合参阅图2,还提供了一种基于图像识别的接触网悬挂状态监测方法的应用环境30的架构示意图,包括互相之间通信的图像识别系统10和电气化铁路控制系统20,图像识别系统10和电气化铁路控制系统20在运行时实现或者部分实现上述方法实施例所描述的技术方案。
进一步地,还提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的方法。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于图像识别的接触网悬挂状态监测方法,其特征在于,应用于图像识别系统,该方法至少包括:
采集若干个第一电化接触网图像以及若干个第二电化接触网图像;其中,所述第一电化接触网图像为携带了悬挂状态注释信息的电化接触网图像,所述第二电化接触网图像为没有添加悬挂状态注释信息的异常悬挂状态图像;
结合每个第一电化接触网图像携带的悬挂状态注释信息,挖掘所述每个第一电化接触网图像对应的悬挂状态监测知识,并基于所述悬挂状态监测知识确定所述若干个第一电化接触网图像中的异常悬挂状态图像;
利用所确定的异常悬挂状态图像和所述若干个第二电化接触网图像,生成接触网悬挂监测决策图像簇,并确定所述接触网悬挂监测决策图像簇中的每个电化接触网图像与待识别电化接触网图像之间的特征共性度,得到若干个特征共性分析信息;
如果依据所述若干个特征共性分析信息鉴别出所述接触网悬挂监测决策图像簇中具有与所述待识别电化接触网图像之间的特征共性度符合监测识别要求的电化接触网图像,则确定所述待识别电化接触网图像为异常悬挂状态图像;
其中,利用所述悬挂状态监测知识确定所述若干个第一电化接触网图像中的异常悬挂状态图像,包括:将所述每个第一电化接触网图像对应的悬挂状态表现变量加载到完成调试的电化接触网图像识别算法,得到所述电化接触网图像识别算法生成的所述每个第一电化接触网图像对应的异常检测评分,所述异常检测评分为所述第一电化接触网图像为异常悬挂状态图像的可能性,所述电化接触网图像识别算法是基于若干个携带了悬挂状态注释信息的电化接触网图像样例和每个电化接触网图像样例对应的图像状态种类调试得到的,所述图像状态种类包括异常悬挂状态图像和正常悬挂状态图像;利用所述每个第一电化接触网图像对应的异常检测评分,确定所述若干个第一电化接触网图像中的异常悬挂状态图像。
2.根据权利要求1所述的方法,其特征在于,利用所述每个第一电化接触网图像对应的异常检测评分,确定所述若干个第一电化接触网图像中的异常悬挂状态图像,包括:将所述若干个第一电化接触网图像中异常检测评分超过第一设定判定值的第一电化接触网图像,作为所述若干个第一电化接触网图像中的异常悬挂状态图像。
3.根据权利要求1所述的方法,其特征在于,确定所述接触网悬挂监测决策图像簇中的每个电化接触网图像与待识别电化接触网图像之间的特征共性度,得到若干个特征共性分析信息,包括:利用所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组以及所述待识别电化接触网图像对应的第二图像描述数组,确定所述接触网悬挂监测决策图像簇中的每个电化接触网图像与所述待识别电化接触网图像之间的描述数组差异值;
如果依据所述若干个特征共性分析信息鉴别出所述接触网悬挂监测决策图像簇中具有与所述待识别电化接触网图像之间的特征共性度符合监测识别要求的电化接触网图像,则确定所述待识别电化接触网图像为异常悬挂状态图像,包括:如果依据若干个描述数组差异值鉴别出所述接触网悬挂监测决策图像簇中具有与所述待识别电化接触网图像之间的描述数组差异值不超过第二设定判定值的电化接触网图像,则确定所述待识别电化接触网图像为异常悬挂状态图像。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
对所述接触网悬挂监测决策图像簇中的每个电化接触网图像进行图像拆解,得到所述每个电化接触网图像对应的第一局部图像块簇;
对所述第一局部图像块簇中的每个局部图像块进行特征映射,得到所述每个局部图像块的特征变量;
利用所述每个局部图像块的特征变量以及所述每个局部图像块对应的重要系数,生成所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组。
5.根据权利要求4所述的方法,其特征在于,利用所述每个局部图像块的特征变量以及所述每个局部图像块对应的重要系数,生成所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组,包括:
利用所述每个局部图像块对应的重要系数对相应的特征变量进行特征运算,得到所述每个局部图像块对应的完成特征运算的变量值;
将所述每个局部图像块对应的完成特征运算的变量值进行求和,得到求和结果,并对所述求和结果进行缩放调整,得到所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组。
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
对所述接触网悬挂监测决策图像簇中的每个电化接触网图像进行图像拆解,得到所述每个电化接触网图像对应的第一局部图像块簇;
对所述第一局部图像块簇中的目标局部图像块进行特征映射,得到所述目标局部图像块的特征变量;
利用所述目标局部图像块的特征变量以及所述目标局部图像块对应的重要系数,生成所述接触网悬挂监测决策图像簇中的每个电化接触网图像对应的第一图像描述数组。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
确定所述第一局部图像块簇中的每个局部图像块在所述接触网悬挂监测决策图像簇中的图像关注热度值;
按照所述图像关注热度值降序的规则,从所述第一局部图像块簇中挑选设定数目个局部图像块作为所述目标局部图像块。
8.根据权利要求7所述的方法,其特征在于,确定所述第一局部图像块簇中的每个局部图像块在所述接触网悬挂监测决策图像簇中的图像关注热度值,包括:
确定所述每个局部图像块在所述接触网悬挂监测决策图像簇中存在的显著程度值,以及确定所述每个局部图像块在所述接触网悬挂监测决策图像簇中对应的影响系数;
将所述显著程度值与所述影响系数的设定运算结果,作为所述每个局部图像块在所述接触网悬挂监测决策图像簇中的图像关注热度值。
9.一种图像识别系统,其特征在于,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211194475.XA CN115272983B (zh) | 2022-09-29 | 2022-09-29 | 基于图像识别的接触网悬挂状态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211194475.XA CN115272983B (zh) | 2022-09-29 | 2022-09-29 | 基于图像识别的接触网悬挂状态监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115272983A CN115272983A (zh) | 2022-11-01 |
CN115272983B true CN115272983B (zh) | 2023-01-03 |
Family
ID=83757519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211194475.XA Active CN115272983B (zh) | 2022-09-29 | 2022-09-29 | 基于图像识别的接触网悬挂状态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115272983B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116953680B (zh) * | 2023-09-15 | 2023-11-24 | 成都中轨轨道设备有限公司 | 一种基于图像的目标物实时测距方法及系统 |
CN117422938B (zh) * | 2023-12-18 | 2024-03-12 | 水利部珠江水利委员会珠江水利综合技术中心 | 基于三维分析平台的坝坡混凝土结构异常分析方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902754A (zh) * | 2019-03-05 | 2019-06-18 | 中国民航大学 | 一种高效的半监督多层次入侵检测方法及系统 |
CN110135273A (zh) * | 2019-04-19 | 2019-08-16 | 中铁第一勘察设计院集团有限公司 | 接触网视频图像云端智能监测与故障识别方法 |
CN110163099A (zh) * | 2019-04-17 | 2019-08-23 | 中国电子科技网络信息安全有限公司 | 一种基于电磁泄漏信号的异常行为识别装置与方法 |
CN111709447A (zh) * | 2020-05-14 | 2020-09-25 | 中国电力科学研究院有限公司 | 电网异常检测方法、装置、计算机设备和存储介质 |
CN112307472A (zh) * | 2020-11-03 | 2021-02-02 | 平安科技(深圳)有限公司 | 基于智能决策的异常用户识别方法、装置及计算机设备 |
CN113515655A (zh) * | 2021-06-24 | 2021-10-19 | 国网山东省电力公司邹城市供电公司 | 一种基于图像分类的故障识别方法及装置 |
CN114577325A (zh) * | 2022-03-01 | 2022-06-03 | 西南交通大学 | 一种强风地区接触悬挂运行状态在线监测预警系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881861A (zh) * | 2015-03-11 | 2015-09-02 | 西南交通大学 | 一种基于图元分类的高铁接触网悬挂装置故障状态检测方法 |
US20170173262A1 (en) * | 2017-03-01 | 2017-06-22 | François Paul VELTZ | Medical systems, devices and methods |
-
2022
- 2022-09-29 CN CN202211194475.XA patent/CN115272983B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902754A (zh) * | 2019-03-05 | 2019-06-18 | 中国民航大学 | 一种高效的半监督多层次入侵检测方法及系统 |
CN110163099A (zh) * | 2019-04-17 | 2019-08-23 | 中国电子科技网络信息安全有限公司 | 一种基于电磁泄漏信号的异常行为识别装置与方法 |
CN110135273A (zh) * | 2019-04-19 | 2019-08-16 | 中铁第一勘察设计院集团有限公司 | 接触网视频图像云端智能监测与故障识别方法 |
CN111709447A (zh) * | 2020-05-14 | 2020-09-25 | 中国电力科学研究院有限公司 | 电网异常检测方法、装置、计算机设备和存储介质 |
CN112307472A (zh) * | 2020-11-03 | 2021-02-02 | 平安科技(深圳)有限公司 | 基于智能决策的异常用户识别方法、装置及计算机设备 |
CN113515655A (zh) * | 2021-06-24 | 2021-10-19 | 国网山东省电力公司邹城市供电公司 | 一种基于图像分类的故障识别方法及装置 |
CN114577325A (zh) * | 2022-03-01 | 2022-06-03 | 西南交通大学 | 一种强风地区接触悬挂运行状态在线监测预警系统及方法 |
Non-Patent Citations (3)
Title |
---|
图像智能识别技术在高速铁路基础设施检测中的应用;严鹏等;《中国铁路》;20191115;109-113 * |
基于深度学习的高铁接触网关键部件状态检测算法研究;张冰华;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20220115(第01期);C033-101 * |
基于聚合流的突发异常流量分类研究;张千风;《中国优秀硕士学位论文全文数据库信息科技辑》;20220415(第04期);I139-46 * |
Also Published As
Publication number | Publication date |
---|---|
CN115272983A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115272983B (zh) | 基于图像识别的接触网悬挂状态监测方法及系统 | |
CN112153000B (zh) | 网络流量异常的检测方法、装置、电子装置和存储介质 | |
CN116148679B (zh) | 一种电池健康状态的预测方法及相关装置 | |
Adou et al. | Insulator faults detection based on deep learning | |
CN110794360A (zh) | 一种基于机器学习预测智能电能表故障的方法及系统 | |
CN111738156A (zh) | 一种高压开关设备状态智能巡检管理方法及系统 | |
CN113760670A (zh) | 电缆接头异常预警方法、装置、电子设备和存储介质 | |
CN118133144B (zh) | 基于图神经网络的车辆故障诊断方法、装置、设备及介质 | |
CN112463542A (zh) | 日志异常原因诊断方法、装置、计算机设备和存储介质 | |
CN117172753A (zh) | 一种基于移动互联网的智慧水电站巡检系统及方法 | |
CN115795021A (zh) | 一种大数据风险监测识别预警装置及系统 | |
CN113656354A (zh) | 日志分类方法、系统、计算机设备和可读存储介质 | |
CN112906672A (zh) | 钢轨缺陷识别方法及系统 | |
CN117141265A (zh) | 一种智能无线充电桩的运行监测系统及监测方法 | |
CN117110794A (zh) | 一种电缆故障智能诊断系统及方法 | |
CN111027569A (zh) | 一种基于红外图像的劣化绝缘子识别诊断方法及其装置 | |
CN112632854B (zh) | 基于类人学习能力的tsk模糊模型的故障预测方法及系统 | |
CN114972781A (zh) | 聚档优化方法、电子设备及计算机可读存储介质 | |
Wang et al. | A review of multi-label feature selection | |
Liu et al. | Hybrid KANN-DBSCAN with KNN for Anomaly Detection of Power Plug-in Board | |
Shihab et al. | An Adaptive YOLO Model for Detection of Faulty Insulators in Power Transmission Network Using Unmanned Aerial Vehicle | |
CN115684835B (zh) | 配电网故障诊断方法、装置、设备及存储介质 | |
CN116821800B (zh) | 基于半监督生成对抗网络的结构状态分类方法及相关设备 | |
CN117711608B (zh) | 一种用于整合神经损伤数据的综合分析系统 | |
CN117478434B (zh) | 边缘节点网络流量数据处理方法、装置、设备及介质 |
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 |