CN115994909B

CN115994909B - 基于图像工业算法的接触网接触故障检测方法和装置

Info

Publication number: CN115994909B
Application number: CN202310287340.6A
Authority: CN
Inventors: 宋东海; 缪弼东; 张玉平; 周启斌; 李曌宇; 刘浩; 崔超; 杨卿; 王超; 王庆忠; 刘艳辉; 李海瑞; 苏慧; 刘啸辰; 齐佳风; 叶锐利
Original assignee: Tianjin Power Supply Section of China Railway Beijing Group Co Ltd; Third Engineering Co Ltd of China Railway Electrification Engineering Group Co Ltd
Current assignee: Tianjin Power Supply Section of China Railway Beijing Group Co Ltd; Third Engineering Co Ltd of China Railway Electrification Engineering Group Co Ltd
Priority date: 2023-03-23
Filing date: 2023-03-23
Publication date: 2023-06-02
Anticipated expiration: 2043-03-23
Also published as: CN115994909A

Abstract

本发明提供一种基于图像工业算法的接触网接触故障检测方法和装置，所述方法包括：获取与受电弓和接触网的接触位置高度相同的图像获取设备采集的待处理图像；将待处理图像输入目标检测模型的编码层，获得增强特征图；根据增强特征图，对受电弓所在区域和接触网所在区域进行连通分析，确定连通系数；根据连通系数，确定是否存在接触故障。根据本发明，可避免接触位置被受电弓或接触网遮挡，造成误识别的可能性。并可通过得到不同的感受野之下的受电弓和接触网的特征图，且特征图经过边缘增强后，受电弓和接触网的边缘特征显著，提升了识别准确性。进一步地，可对接触网和受电弓之间的接触故障进行综合判断，提升判断准确性。

Description

基于图像工业算法的接触网接触故障检测方法和装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于图像工业算法的接触网接触故障检测方法和装置。

背景技术

在相关技术中，CN113870333A涉及一种受电弓滑板磨耗计算方法、存储介质和计算机设备，其利用滑板提取算法和滑板参考线提取算法，可实现对受电弓滑板的准确提取，利用深度学习配准算法和3D精配准算法可实现高精度的配准效果。

CN111260629A涉及一种基于图像处理的受电弓结构异常检测算法，包括图像预处理步骤、受电弓定位步骤、受电弓轮廓提取步骤、关键轮廓提取步骤、关键点提取步骤和参数计算与异常判断步骤，可对经过图像预处理步骤后的待识别图像中包含的受电弓影像进行定位。

CN110930415A涉及一种轨道接触网空间位置检测方法，所述检测方法应用于光电测量系统装置，所述检测方法包括：通过面阵相机和线激光器采集原始图像，并将所述原始图像发送至图像计算机；图像计算机通过对原始图像进行图像处理，获得接触网线所在连通域；利用图像分割方法对所述接触网线所在连通域进行分割，得到实际接触网线所在区域；用灰度重心法计算所述实际接触网线所在区域的灰度重心坐标；将所述灰度重心坐标通过图像坐标转换得到接触网空间坐标；根据所述接触网空间坐标计算出轨道接触网的空间位置参数。

相关技术中涉及对图像中的受电弓和接触网进行识别的方法，但并未涉及对受电弓和接触网的接触故障进行判定。由于受电弓和接触网在图像中所占区域较小，且在列车运行中背景变化较快，背景区域复杂，因此，对二者之间是否存在接触故障难以做出准确判断。

公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明所要解决的问题是在背景复杂的图像中，对受电弓和接触网的边缘进行增强，并基于边缘增强后的增强特征图确定连通系数，从而判断接触网是否存在接触故障。

本发明提供一种基于图像工业算法的接触网接触故障检测方法，包括：

获取与受电弓和接触网的接触位置高度相同的图像获取设备采集的待处理图像；

将所述待处理图像输入目标检测模型的编码层，获得多个层级的边缘增强后的增强特征图，其中，多个层级的边缘增强后的所述增强特征图，其分辨率互不相同，所述编码层，其每个层级包括边缘增强模块，用于对每个层级的特征图进行边缘增强；

根据多个层级的边缘增强后的所述增强特征图，对所述受电弓所在区域和所述接触网所在区域进行连通分析，确定所述受电弓所在区域和所述接触网所在区域的连通系数；

根据所述连通系数，确定所述接触网是否存在接触故障。

根据本发明的实施例，将所述待处理图像输入目标检测模型的编码层，获得多个层级的边缘增强后的增强特征图，包括：

将目标检测模型的编码层的层级记为i，令i=1，将所述待处理图像输入所述目标检测模型的编码层的第1个层级，获得第1个层级的特征图；

将第1个层级的特征图输入第1个层级的边缘增强模块，获得第1个层级的增强特征图；

令i=i+1，将第i个层级的增强特征图输入所述目标检测模型的编码层的第i+1个层级，获得第i+1个层级的特征图；

将第i个层级的特征图输入第i个层级的边缘增强模块，获得第i个层级的增强特征图；

直至i为目标检测模型的编码层的最后一个层级，获得多个层级的边缘增强后的增强特征图。

根据本发明的实施例，将第i个层级的特征图输入第i个层级的边缘增强模块，获得第i个层级的增强特征图，包括：

将第i个层级的特征图输入第i个层级的边缘增强模块；

确定第i个层级的增强函数

：

其中，（x，y）为第i个层级的特征图中的任意像素点，h_i（x，y）为第i个层级的特征图中像素点（x，y）的像素值，σ₁和σ₂为预设系数；

获取第i个层级的去噪增强函数

：

获取第i个层级的各像素点的增强系数：

其中，

为第i个层级的特征图中像素点（x，y）的增强系数；

将第i个层级的特征图中各像素点分别与其对应的所述增强系数相乘，获得第i个层级的增强特征图。

根据本发明的实施例，根据多个层级的边缘增强后的所述增强特征图，对所述受电弓所在区域和所述接触网所在区域进行连通分析，确定所述受电弓所在区域和所述接触网所在区域的连通系数，包括：

对第i个层级的多个增强特征图进行图像识别处理，获得所述受电弓所在区域的第一边缘和所述接触网所在区域的第二边缘；

根据所述第一边缘和所述第二边缘，获得与所述增强特征图对应的二值图；

对所述二值图进行连通域分析处理，获得所述二值图中的连通域；

识别所述连通域中的连接位置；

根据识别获取的连接位置的像素数量、所述增强特征图的分辨率以及第i个层级的增强特征图的数量，确定第i个层级的增强特征图的连通分数；

根据多个层级的增强特征图的连通分数，确定所述受电弓所在区域和所述接触网所在区域的连通系数。

根据本发明的实施例，根据识别获取的连接位置的像素数量、所述增强特征图的分辨率以及第i个层级的增强特征图的数量，确定第i个层级的增强特征图的连通分数，包括：

确定第i个层级的增强特征图的连通分数

：

其中，p_xi×p_yi为第i个层级的增强特征图的分辨率，k_j为第i个层级的第j个增强特征图中连接位置的像素数量，n_i为第i个层级的增强特征图的数量。

根据多个层级的增强特征图的连通分数，确定所述受电弓所在区域和所述接触网所在区域的连通系数，包括：

根据各个层级的增强特征图的数量，确定各个层级的增强特征图的连通分数的权重，其中，所述各个层级的增强特征图的连通分数的权重与各个层级的增强特征图的数量反相关；

根据所述各个层级的增强特征图的连通分数的权重，对所述各个层级的增强特征图的连通分数进行加权求和处理，获得所述受电弓所在区域和所述接触网所在区域的连通系数。

根据本发明的实施例，识别所述连通域中的连接位置，包括：

在所述连通域中，选择水平方向像素数量最少的一行像素作为所述连接位置。

本发明还提供一种基于图像工业算法的接触网接触故障检测装置，包括：

图像获取模块，用于获取与受电弓和接触网的接触位置高度相同的图像获取设备采集的待处理图像；

增强模块，用于将所述待处理图像输入目标检测模型的编码层，获得多个层级的边缘增强后的增强特征图，其中，多个层级的边缘增强后的所述增强特征图，其分辨率互不相同，所述编码层，其每个层级包括边缘增强模块，用于对每个层级的特征图进行边缘增强；

分析模块，用于根据多个层级的边缘增强后的所述增强特征图，对所述受电弓所在区域和所述接触网所在区域进行连通分析，确定所述受电弓所在区域和所述接触网所在区域的连通系数；

故障检测模块，用于根据所述连通系数，确定所述接触网是否存在接触故障。

根据本发明的实施例，所述增强模块进一步用于：

将第i个层级的特征图输入第i个层级的边缘增强模块；

确定第i个层级的增强函数

：

获取第i个层级的去噪增强函数

：

获取第i个层级的各像素点的增强系数：

其中，

为第i个层级的特征图中像素点（x，y）的增强系数；

根据本发明的实施例，所述分析模块进一步用于：

识别所述连通域中的连接位置；

根据本发明的实施例，所述分析模块进一步用于：

确定第i个层级的增强特征图的连通分数

：

根据本发明的实施例，所述分析模块进一步用于：

本发明还提供一种基于图像工业算法的接触网接触故障检测设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

本发明的有益效果：

（1）本发明实施例的基于图像工业算法的接触网接触故障检测方法，可通过受电弓和接触网的接触位置高度相同的图像获取设备采集的待处理图像，从而避免接触位置被受电弓或接触网遮挡，造成误识别的可能性。

（2）本发明实施例的基于图像工业算法的接触网接触故障检测方法，通过目标检测模型的编码层获得多个层级的边缘增强后的增强特征图，从而得到不同的感受野之下的受电弓和接触网的特征图，且各个特征图经过边缘增强后，受电弓和接触网的边缘特征显著，提升了识别准确性。

（3）本发明实施例的基于图像工业算法的接触网接触故障检测方法，可基于多种感受野之下的增强特征图进行连通分析，从而可对接触网和受电弓之间的接触故障进行综合判断，提升判断准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示例性地示出本发明实施例的基于图像工业算法的接触网接触故障检测方法的流程图；

图2示例性地示出本发明实施例的图像获取设备的示意图；

图3示例性地示出本发明实施例的目标检测模型的编码层的示意图；

图4示例性地示出本发明实施例的基于图像工业算法的接触网接触故障检测装置的框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。

应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。

取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图1示例性地示出本发明实施例的基于图像工业算法的接触网接触故障检测方法的流程图，如图1所示，所示方法包括：

步骤S1，获取与受电弓和接触网的接触位置高度相同的图像获取设备采集的待处理图像；

步骤S2，将所述待处理图像输入目标检测模型的编码层，获得多个层级的边缘增强后的增强特征图，其中，多个层级的边缘增强后的所述增强特征图，其分辨率互不相同，所述编码层，其每个层级包括边缘增强模块，用于对每个层级的特征图进行边缘增强；

步骤S3，根据多个层级的边缘增强后的所述增强特征图，对所述受电弓所在区域和所述接触网所在区域进行连通分析，确定所述受电弓所在区域和所述接触网所在区域的连通系数；

步骤S4，根据所述连通系数，确定所述接触网是否存在接触故障。

根据本发明的实施例的基于图像工业算法的接触网接触故障检测方法，可通过受电弓和接触网的接触位置高度相同的图像获取设备采集的待处理图像，从而避免接触位置被受电弓或接触网遮挡，造成误识别的可能性。并可通过目标检测模型的编码层获得多个层级的边缘增强后的增强特征图，从而得到不同的感受野之下的受电弓和接触网的特征图，且各个特征图经过边缘增强后，受电弓和接触网的边缘特征显著，提升了识别准确性。进一步地，可基于多种感受野之下的增强特征图进行连通分析，从而可对接触网和受电弓之间的接触故障进行综合判断，提升判断准确性。

根据本发明的实施例，接触网系统可用于轨道交通的供电领域，为轨道交通供电，其中，接触网可为轨道交通工具提供电力，轨道交通工具可设置受电弓，受电弓可与接触网接触，从而接收接触网提供的电力，供应给轨道交通工具。因此，受电弓与接触网之间的接触对于接触网的供电具有重要作用，如果受电弓与接触网之间存在接触故障，例如，受电弓与接触网之间存在间隙，从而存在接触不实的故障等，则可能造成轨道交通工具难以获取电力，并且，二者之间接触不实，则可能存在电荷积累，对轨道交通工具的电气设备造成损坏。

根据本发明的实施例，在步骤S1中，图像获取设备可设置在轨道交通工具上，也可设置在接触网系统上，例如，用于支撑接触网系统的电缆的立柱上。且图像获取设备可与受电弓和接触网的接触位置高度相同，例如，可设置在与接触网的电缆下端高度平齐的高度上，从而可在与接触位置相同的高度上采集待处理图像，避免接触网的电缆或受电弓对接触位置的遮挡造成误识别。

图2示例性地示出本发明实施例的图像获取设备的示意图，如图2所示，受电弓可与接触网的电缆接触，以获取电力，使得轨道交通工具沿着与接触网的电缆平行的方向行驶。其中，受电弓的长度方向与接触网的电缆的方向垂直。图像获取设备设置在轨道交通工具上，或者支撑接触网的电缆的立柱上，且图像获取设备的高度与受电弓可与接触网的电缆的接触位置高度相同。

根据本发明的实施例，图像获取设备可包括相机或摄像机，可每隔一定的时间间隔拍摄一次图像，或者，可拍摄视频。上述图像或视频的视频帧均可作为待处理图像。

根据本发明的实施例，可对待处理图像进行预处理，例如，进行归一化、剪裁、放缩等预处理，本发明对预处理的具体方式不做限制。

根据本发明的实施例，在步骤S2中，可将待处理图像或预处理后的待处理图像输入目标检测模型。目标检测模型可以是深度学习神经网络模型，例如，U型结构或V型结构的深度学习神经网络模型，本发明对目标检测模型的结构不做限制。目标检测模型可包括编码层，所述编码层可包括多个层级。进一步地，目标检测模型还可包括解码层。

根据本发明的实施例，所述编码层的多个层级可用于获取待处理图像的多个层级的特征图，随着层级的加深，特征图的通道数增加，感受野增大，但每个特征图的尺寸缩小，分辨率降低。因此，在更多层级的特征图中，可获得多种感受野和多种视角的特征图，从而可基于多种感受野和多种视角的特征图综合判断是否存在接触故障。

根据本发明的实施例，每个编码层可包括边缘增强模块，可对每个层级输出的特征图机型边缘增强，从而使得受电弓所在区域和接触网所在区域的边缘更显著。

根据本发明的实施例，步骤S2可包括：将目标检测模型的编码层的层级记为i，令i=1，将所述待处理图像输入所述目标检测模型的编码层的第1个层级，获得第1个层级的特征图；将第1个层级的特征图输入第1个层级的边缘增强模块，获得第1个层级的增强特征图；令i=i+1，将第i个层级的增强特征图输入所述目标检测模型的编码层的第i+1个层级，获得第i+1个层级的特征图；将第i个层级的特征图输入第i个层级的边缘增强模块，获得第i个层级的增强特征图；直至i为目标检测模型的编码层的最后一个层级，获得多个层级的边缘增强后的增强特征图。

图3示例性地示出本发明实施例的目标检测模型的编码层的示意图，如图3所示，将待处理图像或预处理后的待处理图像输入目标检测模型的编码层的第1个层级，可获得第1个层级的特征图，随后，第1个层级的边缘增强模块可对第1个层级的特征图进行边缘增强处理，获得第1个层级的增强特征图。第1个层级的增强特征图可输入目标检测模型的编码层的第2个层级，获得第2个层级的特征图，随后，第2个层级的边缘增强模块可对第2个层级的特征图进行边缘增强处理，获得第2个层级的增强特征图。第2个层级的增强特征图可输入目标检测模型的编码层的第3个层级，获得第3个层级的特征图，随后，第3个层级的边缘增强模块可对第3个层级的特征图进行边缘增强处理，获得第3个层级的增强特征图……通过上述方式，可获得目标检测模型的多个层级的特征图和增强特征图。

根据本发明的实施例，各个层级的边缘增强模块可对各个层级的特征图进行边缘增强处理，获得各个层级的增强特征图。例如，可通过增加图像锐度、对比度等方式增强特征图的边缘，从而得到增强特征图。也可通过以下方式进行边缘增强处理。

根据本发明的实施例，以第i个层级的边缘增强模块为例。将第i个层级的特征图输入第i个层级的边缘增强模块，获得第i个层级的增强特征图，包括：

将第i个层级的特征图输入第i个层级的边缘增强模块，通过公式（1）确定第i个层级的增强函数

：：

（1）

根据公式（2）获取第i个层级的去噪增强函数

：/>

（2）

根据公式（3）获取第i个层级的各像素点的增强系数：：

（3）

其中，

为第i个层级的特征图中像素点（x，y）的增强系数；

根据本发明的实施例，在公式（1）中，可使用特征图中像素点的像素值与二元正态分布函数相乘，获得增强函数g（x，y）。该增强函数使得各个像素点的像素值被服从正态分布的系数（即，二元正态分布函数的计算结果）相乘，使得处于图像获取设备的拍摄中心的接触位置，以及位于待处理图像的的各层级的特征图中的中间区域的受电弓和接触网所在区域的像素值的增强幅度更大，周围区域的增强幅度小，从而增大受电弓、接触网及二者的接触位置与背景区域之间的对比度增大。可通过调节σ₁和σ₂的值，来调节增强幅度较大区域的面积。

根据本发明的实施例，在公式（2）中，可将增强函数g（x，y）进行级数展开，并保留小于或等于二阶的项，去除大于二阶的高阶项，从而可简化增强函数，提升运算效率，且去除高阶噪声，获得去噪增强函数G（x，y），使得受电弓和接触网的边缘更清晰，减少边缘上的毛刺、锯齿和褶皱等形状，提升边缘的光滑度和准确度。

根据本发明的实施例，在公式（3）中，可求解去噪增强函数G（x，y）在各个像素点处的梯度，并求解梯度的模，从而获得第i个层级的各像素点的增强系数T_i（x，y）。其中，由于受电弓、接触网及二者的接触位置与背景区域之间的对比度较大，因而去噪增强函数G（x，y）在受电弓、接触网及二者的接触位置所在区域中的梯度大于背景区域的梯度，并且，在受电弓、接触网及二者的接触位置所在区域中，对于边缘上的像素点的梯度大于其他像素点的梯度，因此，利用梯度的模确定的增强系数可显著提升受电弓和接触网的边缘与其他区域的对比度，利用该增强系数与特征图的像素值相乘，可增强特征图中受电弓和接触网所在区域的边缘，使得该边缘的特征更加明显。

根据本发明的实施例，在步骤S3中，可利用以上获得的多个层级的增强特征图来确定连通系数，从而可利用多个层级的多种感受野和多个增强特征图的多种视角来综合计算连通系数，从而使得接触故障的判断更加准确和客观。

根据本发明的实施例，步骤S3可包括：对第i个层级的多个增强特征图进行图像识别处理，获得所述受电弓所在区域的第一边缘和所述接触网所在区域的第二边缘；根据所述第一边缘和所述第二边缘，获得与所述增强特征图对应的二值图；对所述二值图进行连通域分析处理，获得所述二值图中的连通域；识别所述连通域中的连接位置；根据识别获取的连接位置的像素数量、所述增强特征图的分辨率以及第i个层级的增强特征图的数量，确定第i个层级的增强特征图的连通分数；根据多个层级的增强特征图的连通分数，确定所述受电弓所在区域和所述接触网所在区域的连通系数。

根据本发明的实施例，如上所述，每个层级可输出多个特征图，因此，在对特征图进行如上边缘增强处理后，每个层级也可获得多个增强特征图。以第i个层级为例，可对第i个层级的多个增强特征图进行图像识别处理，获得受电弓所在区域第一边缘和所述接触网所在区域的第二边缘。所述图像识别处理可使用图像识别神经网络模型来处理，也可使用其他识别方法来进行处理，例如，在进行边缘增强处理后，受电弓和接触网所在区域的边缘与其他位置的对比度较大，可通过像素阈值筛选（例如，筛选出像素值高于阈值的像素点）来确定受电弓所在区域第一边缘和接触网所在区域的第二边缘。本发明对图像识别处理的具体方法不做限制。

根据本发明的实施例，可根据第一边缘和第二边缘，获得与各个增强特征图对应的二值图，例如，第一边缘和第二边缘围成的区域以内的像素值为1，其他区域像素值为0的二值图。在二值图中，第一边缘和第二边缘围成的区域与其他区域的对比度被最大化，从而可更清晰地确定受电弓和接触网所在的区域。

根据本发明的实施例，可对二值图进行连通域分析处理，即，将二值图中的连通区域标注为同一整体。例如，受电弓和接触网存在接触点，则二者所在的区域存在交集，则在二值图中，二者所在区域在经过连通域分析处理后，可得到将二者包括在内的整体区域，即，连通域。

根据本发明的实施例，可识别连通域中的连接位置。该步骤可包括：在所述连通域中，选择水平方向像素数量最少的一行像素作为所述连接位置。以待处理图像中接触网在受电弓之上的位置关系为例，二者的接触位置可与二值图的连通域中的连接位置对应。可沿竖直方向搜索连通域，统计连通域所在的区域中，水平方向像素数量最少的一行，该行所在的位置即为连接位置。

根据本发明的实施例，在确定连接位置后，可基于连接位置的像素数量、增强特征图的分辨率以及第i个层级的增强特征图的数量，确定第i个层级的增强特征图的连通分数。该步骤可包括：

根据公式（4）确定第i个层级的增强特征图的连通分数

：

（4）

根据本发明的实施例，同一层级的增强特征图的分辨率相同，例如，第i个层级的增强特征图的分辨率均为p_xi×p_yi，公式（4）可计算每个增强特征图中的连接位置的像素数量除以增强特征图的像素值总数的比值，并求解第i个层级的n_i个比值的平均值，作为第i个层级的增强特征图的连通分数α_i。在以公式（4）计算的连通分数中，连接位置的像素数量越多，则连通分数越大，表示受电弓与接触网正常接触，没有接触故障的概率越大，反之，则表示受电弓与接触网之间没有接触故障的概率越小。

根据本发明的实施例，可根据多个层级的增强特征图的连通分数，确定连通系数。在示例中，可对各层级的连通分数进行求平均或加权求和，可获得所述连通系数。根据多个层级的增强特征图的连通分数，确定所述连通系数，包括：根据各个层级的增强特征图的数量，确定各个层级的增强特征图的连通分数的权重，其中，所述各个层级的增强特征图的连通分数的权重与各个层级的增强特征图的数量反相关；根据所述各个层级的增强特征图的连通分数的权重，对所述各个层级的增强特征图的连通分数进行加权求和处理，获得所述受电弓所在区域和所述接触网所在区域的连通系数。

根据本发明的实施例，如上所述，随着层级的加深，增强特征图的数量增多，但每个增强特征图的分辨率下降。在这种情况下，可为分辨率较低的增强特征图对应的连通分数分配较低的权重，为分辨率较高的增强特征图对应的连通分数分配较高的权重。这种分配方式可增大分辨率较高的增强特征图的对应的连通分数的权重，提升求解的连通系数的准确性，同时保留多种感受野的增强特征图的连通分数，从而可对连通系数进行综合求解，提升连通系数的客观性。

根据本发明的实施例，对各个连通分数进行加权求和，获得最终的连通系数。该连通系数同样可表示：连通系数越高，表示受电弓与接触网正常接触，没有接触故障的概率越大，反之，则表示受电弓与接触网之间没有接触故障的概率越小。

根据本发明的实施例，在步骤S4中，可根据连通系数来确定接触网是否存在接触故障。例如，可设定阈值，在连通系数高于或等于阈值的情况下，判断接触网与受电弓不存在接触故障，反之，则存在接触故障。

根据本发明的实施例，如果图像获取设备设置在轨道交通工具上，则图像获取设备在多个时刻可拍摄到同一受电弓与接触网的多个位置的接触情况。在这种情况下，可获取一个时间段内该受电弓与接触网的多个位置接触的待处理图像，并分别确定每个待处理图像对应的连通系数，并可对该时间段内多个待处理图像的连通系数进行统计，在连通系数大于或等于阈值的待处理图像的数量，与该时间段内获取的待处理图像的总数之比，大于或等于比例阈值的情况下，确定接触网与该受电弓不存在接触故障，反之，则存在接触故障。

根据本发明的实施例，如果图像获取设备设置在制成接触网的电缆的支柱上，则图像获取设备可在多个时刻拍摄到多个受电弓与接触网的同一位置的接触情况，例如，某辆高速列车的多个受电弓与接触网的同一位置的接触情况。在这种情况下，可获取一个时间段内多个受电弓与接触网的该位置接触的待处理图像（例如，每个受电弓拍摄一张待处理图像），并分别确定每个待处理图像对应的连通系数，并可对该高速列车的多个受电弓的待处理图像的连通系数进行统计，在连通系数大于或等于阈值的待处理图像的数量，与高速列车的受电弓的总数之比，大于或等于比例阈值的情况下，确定接触网与该受电弓不存在接触故障，反之，则存在接触故障。

根据本发明的实施例的基于图像工业算法的接触网接触故障检测方法，可通过受电弓和接触网的接触位置高度相同的图像获取设备采集的待处理图像，从而避免接触位置被受电弓或接触网遮挡，造成误识别的可能性。并可通过目标检测模型的编码层获得多个层级的特征图，且可通过增强系数增大受电弓、接触网及二者的接触位置与背景区域之间的对比度，从而对受电弓和接触网的边缘进行增强，获得增强特征图，从而得到不同的感受野之下的受电弓和接触网的增强特征图，提升了识别准确性和客观性。进一步地，可基于多种感受野之下的增强特征图，确定连通分数，从而可对接触网和受电弓之间的接触故障进行综合判断，提升判断准确性和客观性。

图4示例性地示出本发明实施例的基于图像工业算法的接触网接触故障检测装置的框图，如图4所述，所述装置包括：

图像获取模块101，用于获取与受电弓和接触网的接触位置高度相同的图像获取设备采集的待处理图像；

增强模块102，用于将所述待处理图像输入目标检测模型的编码层，获得多个层级的边缘增强后的增强特征图，其中，多个层级的边缘增强后的所述增强特征图，其分辨率互不相同，所述编码层，其每个层级包括边缘增强模块，用于对每个层级的特征图进行边缘增强；

分析模块103，用于根据多个层级的边缘增强后的所述增强特征图，对所述受电弓所在区域和所述接触网所在区域进行连通分析，确定所述受电弓所在区域和所述接触网所在区域的连通系数；

故障检测模块104，用于根据所述连通系数，确定所述接触网是否存在接触故障。

根据本发明的实施例，所述增强模块进一步用于：

将第i个层级的特征图输入第i个层级的边缘增强模块；

确定第i个层级的增强函数

：

获取第i个层级的去噪增强函数

：

/>

获取第i个层级的各像素点的增强系数：

其中，

为第i个层级的特征图中像素点（x，y）的增强系数；

根据本发明的实施例，所述分析模块进一步用于：

识别所述连通域中的连接位置；

根据本发明的实施例，所述分析模块进一步用于：

确定第i个层级的增强特征图的连通分数

：

根据本发明的实施例，所述分析模块进一步用于：

本发明可以是方法、装置、设备和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

注意，除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所公开的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。