CN115995062B - 一种接触网电联接线线夹螺母异常识别方法及系统 - Google Patents
一种接触网电联接线线夹螺母异常识别方法及系统 Download PDFInfo
- Publication number
- CN115995062B CN115995062B CN202310280034.XA CN202310280034A CN115995062B CN 115995062 B CN115995062 B CN 115995062B CN 202310280034 A CN202310280034 A CN 202310280034A CN 115995062 B CN115995062 B CN 115995062B
- Authority
- CN
- China
- Prior art keywords
- nut
- wire clamp
- electric connection
- connection wire
- bolt head
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 25
- 230000007547 defect Effects 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000005856 abnormality Effects 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims description 33
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000009429 electrical wiring Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000012545 processing Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 7
- 238000002372 labelling Methods 0.000 description 5
- 230000035772 mutation Effects 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Image Analysis (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明涉及图像处理技术领域，公开了一种接触网电联接线线夹螺母异常识别方法及系统，包括以下步骤：检测定位步骤，通过引入自适应Anchor改进目标检测网络提取电联接线线夹图像；特征提取步骤，利用基于u2net的网络结构，提取电联接线线夹中螺栓头、螺母及导线图像；缺陷识别步骤，通过计算螺栓头与螺母距离，以及螺母与导线距离，判断螺母是否异常；本发明，通过上述步骤快速高效的识别接触网图像中的电联接线线夹异常情况，以实现及时发现电联接线线夹螺母缺失，规避因接触网的电联接线线夹螺母发生松动或者脱落等异常现象，造成接触线松弛，引发打弓等异常，以降低列车运行安全风险。
Description
技术领域
本发明涉及接触网图像处理的技术领域，具体涉及一种接触网电联接线线夹螺母异常识别方法及系统。
背景技术
接触网是为轨道交通列车提供动力的装置，接触网健康程度与接触网平稳安全运行息息相关。由于接触网是由众多零部件组成的复杂系统，并且运行在室外环境中，受到振动、高温、高压的影响，不可避免的会产生一系列的缺陷，对列车的运行安全造成负面影响。其中，一种典型的缺陷是接触网的电联接线线夹螺母发生松动或者脱落等异常现象，造成接触线松弛，引发打弓等异常。
目前接触网电联接线线夹螺母缺陷主要采用人工定期巡视检测和技术人员查看电联接线线夹图像的方式，但存在劳动强度大、工作效率低、工作周期长、隐患不易发现等缺点，且易发生误检漏检，为了及时发现电联接线线夹螺母缺失，本专利发明提出了一种基于图像智能识别算法的接触网电联接线线夹螺母异常识别方法，能够快速高效、准确的地识别接触网图像中的电联接线线夹异常情况。相对于人工巡线的方式，通过图像智能识别算法的方式检测接触网装置故障，可大大缩短工作周期，提高工作效率，同时提高检测准确率。
发明内容
本发明的目的在于：针对目前接触网的电联接线线夹螺母发生松动或者脱落等异常现象，造成接触线松弛，引发打弓等异常，为了及时发现电联接线线夹螺母缺失，本专利发明提出了一种基于图像识别的接触网电联接线线夹螺母异常识别方法，能够快速高效的地识别接触网图像中的电联接线线夹异常情况。
本发明的技术方案如下：
一种接触网电联接线线夹螺母异常识别方法，包括如下步骤：
检测定位步骤，通过引入自适应Anchor和mixup的yolov3网络模型，从接触网图像中定位电联接线线夹图像；
特征提取步骤，利用u2net网络结构对所述电联接线线夹图像进行分割处理，提取得到电联接线线夹的连通域，并判断所述连通域是否有效，所述连通域包含螺栓头、螺母及导线中的任意一种及以上；
缺陷识别步骤，计算有效连通域中螺栓头与螺母的空间距离，基于KM匹配算法，判断螺母是否缺失；
当判断螺母未缺失时，计算螺母与导线的空间距离并与预设阈值比较，判断螺母是否松动。
进一步地，所述通过引入自适应Anchor和mixup的yolov3网络模型，从接触网图像中定位电联接线线夹图像，包括：
利用所述自适应Anchor对电联接线线夹数据进行标注和训练，得到接触网图像逐一框选和标注图像中的电联接线线夹图像数据；
利用mixup对电联接线线夹图像数据进行增强。
进一步地，所述自适应Anchor，包括以下步骤：
1、统计标注后数据集中各个目标的宽高；
2、将每张图片中宽高的最大值等比例缩放到指定大小，即网络输入大小，较小边进行相应缩放；
3、将标注框从相对坐标换算成绝对坐标；
4、筛选标注框，保留图像宽高都大于等于两个像素的标注框；
5、使用k-means聚类得到n个anchors；
6、使用遗传算法随机对anchors的宽高进行多次变异，通过计算匹配度选取变异效果最好的作为最终Anchor。
上述自适应Anchor相较于统一固定的Anchor，可以大幅提升在当前数据集上的检出效果，特别对于接触网零部件检测任务，需要在大尺度图像中检测小型目标极为实用。
进一步地，所述判断所述连通域是否有效，具体为：
当同时存在螺栓头和螺母时，判断所述连通域有效；
否则，判断所述连通域无效。
进一步地，所述特征提取步骤中，判断所述连通域是否有效后，还包括：
对有效连通域进行分类处理，得到螺栓头连通域集合、螺母连通域集合和导线连通域集合，
所述螺栓头连通域集合为;
所述螺母连通域集合为;
其中，P为螺栓头连通域集合；Q为螺母连通域集合；m为螺栓头的数量，n为螺母的数量；
进一步地，所述缺陷识别步骤中，计算有效连通域中螺栓头与螺母的空间距离，基于KM匹配算法，判断螺母是否缺失，包括：
基于图像二阶矩，分别计算所述螺栓头连通域集合中每个螺栓头中心点和所述螺母连通域集合中每个螺母中心点，具体公式为：
螺栓头连通域的中心点为；
螺母连通域的中心点为；
其中，为螺栓头连通域中第i个螺栓头的中心点，为螺母连通域中第j个
螺母的中心点，为螺栓头连通域中第i个螺栓头的中心点坐标，为
螺母连通域中第j个螺母的中心点坐标；
计算第i个螺栓头中心点到第j个螺母中心点的空间距离，具体公式为：
；
其中，为第i个螺栓头中心点到第j个螺母中心点的空间距离。
进一步地，所述缺陷识别步骤，还包括：
以有效连通域中螺栓头与螺母的最近空间距离为二分图的权重；
基于KM匹配算法，判断所述螺母是否缺失；
当所述二分图的每个顶点都存在一个匹配螺母时，则判断不存在螺母缺失；
当所述二分图存在没有匹配上螺栓头的螺母，则判断存在螺母缺失。
进一步地，当判断螺母未缺失时，计算螺母与导线的空间距离并与预设阈值比较，所述判断螺母是否松动，具体包括：
对得到的导线连通域进行细化操作；
对细化后的骨架，进行拟合处理，得到拟合导线直线；
计算螺母到拟合直线的空间距离，并判定是否超过预设阈值；
当螺母与导线的空间距离超过预设阈值时，则判断存在螺母松动；
当螺母与导线的空间距离未超过预设阈值时，则判断不存在螺母松动。
基于上述接触网电联接线线夹螺母异常识别方法，本发明还提出了一种接触网电联接线线夹螺母异常识别系统，具体包括图像定位模块、特征提取模块、螺母缺失判定模块，螺母松动判定模块；
所述图像定位模块用于从接触网图像中定位电联接线线夹图像；
所述特征提取模块用于从所述电联接线线夹图像中分割提取电联接线线夹的连通域，并判断所述连通域是否有效；所述连通域包含螺栓头、螺母及导线中的任意一种及以上；
所述螺母缺失判定模块用于计算有效连通域中螺栓头与螺母的空间距离，基于KM匹配算法，判断螺母是否缺失；
所述螺母松动判定模块用于当所述螺母缺失判定模块判断螺母未缺失时，计算螺母中心点与导线的空间距离并与预设阈值比较，判断螺母是否松动。
与现有的技术相比本发明的有益效果是：
1、本发明基于改进的目标检测模型，有效提升了电联接线线夹的定位精度；
2、本发明通过基于图像分割操作，实现对电联接线线夹的相关部件进行精确提取；
3、本发明基于带权二分图最大匹配实现螺母缺失的快速判断，以及基于图像形态算法，实现螺栓松动判断；
4、本发明中采用yolov3和u2net为轻量级模型，可实现快速进行推理，能够实时分析接触网电联接线线夹异常情况，提升缺陷报警及时性。
附图说明
图1为接触网电联接线线夹螺母异常识别方法的流程示意图。
具体实施方式
以下结合实施例和附图对本发明的构思、具体实施方式及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、特征和效果。
实施例1
本发明公开了一种接触网电联接线线夹螺母异常识别方法，包括如下步骤：
检测定位步骤，通过引入自适应Anchor和mixup的yolov3网络模型，从接触网图像中定位电联接线线夹图像；
特征提取步骤，利用u2net网络结构对所述电联接线线夹图像进行分割处理，提取得到电联接线线夹的连通域，并判断所述连通域是否有效，所述连通域包含螺栓头、螺母及导线中的任意一种及以上；其中，通过增加u2net网络结构的网络深度和每一层卷积核数量，有效提升高层卷积核感受野范围，同时提升特征提取数量，以实现提升网络结构效果；
缺陷识别步骤，计算有效连通域中螺栓头与螺母的空间距离，基于KM匹配算法，判断螺母是否缺失；
当判断螺母未缺失时，计算螺母与导线的空间距离并与预设阈值比较，判断螺母是否松动。
进一步地，所述通过引入自适应Anchor和mixup的yolov3网络模型，从接触网图像中定位电联接线线夹图像，包括：
利用所述自适应Anchor对电联接线线夹数据进行标注和训练，得到接触网图像逐一框选和标注图像中的电联接线线夹图像；
利用mixup对电联接线线夹数据进行增强，具体为通过将随机的两张图像样本按比例混合，然后标签结果按比例分配，以实现对电联接线线夹数据的增强。
进一步地，所述自适应Anchor，包括如下步骤：
1、统计标注后数据集中各个目标的宽高；
2、将每张图片中宽高的最大值等比例缩放到指定大小，即网络输入大小，较小边进行相应缩放；
3、将标注框从相对坐标换算成绝对坐标；
4、筛选标注框，保留图像宽高都大于等于两个像素的标注框；
5、使用k-means聚类得到n个anchors；
6、使用遗传算法随机对anchors的宽高进行多次变异，通过计算匹配度选取变异效果最好的作为最终Anchor。本方案以1000次变异为最优。
上述自适应Anchor相较于统一固定的Anchor，可以大幅提升在当前数据集上的检出效果，特别对于接触网零部件检测任务，需要在大尺度图像中检测小型目标极为实用。
进一步地，所述判断所述连通域是否有效，具体为：
当同时存在螺栓头和螺母时，判断所述连通域有效；
否则，判断所述连通域无效。
进一步地，所述特征提取步骤中，判断所述连通域是否有效后，还包括：
对有效连通域进行分类处理，得到螺栓头连通域集合、螺母连通域集合和导线连通域集合，
所述螺栓头连通域集合为，
所述螺母连通域集合为，
其中，P为螺栓头连通域集合；Q为螺母连通域集合；m为螺栓头的数量，n为螺母的数量；
进一步地，所述缺陷识别步骤中，计算有效连通域中螺栓头与螺母的空间距离，基于KM匹配算法，判断螺母是否缺失，包括：
基于图像二阶矩，分别计算所述螺栓头连通域集合中每个螺栓头中心点和所述螺母连通域集合中每个螺母中心点，具体公式为：
螺栓头连通域的中心点为；
螺母连通域的中心点为；
其中，为螺栓头连通域中第i个螺栓头的中心点，为螺母连通域中第j个
螺母的中心点，为螺栓头连通域中第i个螺栓头的坐标，为螺母连
通域中第j个螺母的坐标；
计算第i个螺栓头中心点到第j个螺母中心点的空间距离，具体公式为：
；
其中，为第i个螺栓头中心点到第j个螺母中心点的空间距离。
进一步地，所述缺陷识别步骤，还包括：
以有效连通域中螺栓头与螺母的最近空间距离为二分图的权重；
基于KM匹配算法，判断所述螺母是否缺失；
当所述二分图的每个顶点都存在一个匹配螺母时，则判断不存在螺母缺失；
当所述二分图存在没有匹配上螺栓头的螺母，则判断存在螺母缺失。
进一步地，当判断螺母未缺失时，计算螺母与导线的空间距离并与预设阈值比较，所述判断螺母是否松动，具体包括：
对得到的导线连通域进行细化操作；
对细化后的骨架，进行拟合处理，得到拟合导线直线；
计算螺母到拟合直线的空间距离，并判定是否超过预设阈值；
当螺母与导线的空间距离超过预设阈值时，则判断存在螺母松动；
当螺母与导线的空间距离未超过预设阈值时，则判断不存在螺母松动。
实施例2
在实施例1的基础上，基于上述接触网电联接线线夹螺母异常识别方法，本发明还提出了一种接触网电联接线线夹螺母异常识别系统，具体包括图像定位模块、特征提取模块、螺母缺失判定模块，螺母松动判定模块；
所述图像定位模块用于从接触网图像中定位电联接线线夹图像；
所述特征提取模块用于从所述电联接线线夹图像中分割提取电联接线线夹的连通域，并判断所述连通域是否有效；所述连通域包含螺栓头、螺母及导线中的任意一种及以上；
所述螺母缺失判定模块用于计算有效连通域中螺栓头与螺母的空间距离，基于KM匹配算法，判断螺母是否缺失；
所述螺母松动判定模块用于当所述螺母缺失判定模块判断螺母未缺失时，计算螺母中心点与导线的空间距离并与预设阈值比较，判断螺母是否松动。
上述接触网电联接线线夹螺母异常识别系统适用于如图1所示的接触网电联接线线夹螺母异常识别方法的流程示意图，包括如下的处理步骤：
将采集到的接触网图像输入所述接触网电联接线线夹螺母异常识别系统；
所述图像定位模块基于改进的目标检测网络，从接触网图像中定位电联接线线夹图像；
所述特征提取模块基于图像分割算法，从所述电联接线线夹图像中分割提取电联接线线夹的连通域，所述连通域包括螺栓头、螺母和导线中的任意一种及以上；并对所述连通域是否有效进行判断；
利用所述螺母缺失判定模块对螺母缺失进行判断，利用所述螺母松动判定模块对螺母松动进行判断；具体步骤如下：
所述螺母缺失判定模块通过计算得到各连通域中心点，利用所述各连通域中心点计算螺栓头与螺母的空间距离；然后基于KM匹配算法，判断所述螺母是否缺失；
进一步地，当存在未匹配的螺栓头时，判断所述螺母缺失；
当不存在未匹配的螺栓头时，判断所述螺母未缺失；
所述螺母松动判定模块依次通过对导线连通域进行细化和拟合导线直线操作，然后利用所述螺母连通域中心点计算螺母中心到导线的空间距离，并判定是否超过预设阈值；
进一步地，当所述螺母中心点到导线的空间距离超过预设阈值时，则判断存在螺母松动；
当所述螺母中心点到导线的空间距离未超过预设阈值时，则判断不存在螺母松动。
与现有的技术相比本发明的有益效果是：
1、本发明基于改进的目标检测模型，有效提升了电联接线线夹的定位精度；
2、本发明通过基于图像分割操作，实现对电联接线线夹的相关部件进行精确提取；
3、本发明基于带权二分图最大匹配实现螺母缺失的快速判断，以及基于图像形态算法，实现螺栓松动判断；
4、本发明中采用yolov3和u2net为轻量级模型，可实现快速进行推理，能够实时分析接触网电联接线线夹异常情况，提升缺陷报警及时性。
以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。
Claims (8)
1.一种接触网电联接线线夹螺母异常识别方法，其特征在于，包括如下步骤：
检测定位步骤，通过引入自适应Anchor和mixup的yolov3网络模型，从接触网图像中定位电联接线线夹图像；
特征提取步骤，利用u2net网络结构对所述电联接线线夹图像进行分割处理，提取得到电联接线线夹的连通域，并判断所述连通域是否有效，所述连通域包含螺栓头、螺母及导线中的任意一种及以上；
缺陷识别步骤，计算有效连通域中螺栓头与螺母的空间距离，以有效连通域中螺栓头与螺母的最近空间距离为二分图的权重，基于KM匹配算法，判断螺母是否缺失；当所述二分图的每个顶点都存在一个匹配螺母时，则判断不存在螺母缺失；当所述二分图存在没有匹配上螺栓头的螺母，则判断存在螺母缺失；
当判断螺母未缺失时，通过对导线连通域依次进行细化操作、对细化后的骨架进行拟合处理，得到拟合导线直线，计算螺母与拟合导线直线的空间距离并与预设阈值比较，判定是否超过预设阈值，从而判断螺母是否松动。
2.根据权利要求1所述的一种接触网电联接线线夹螺母异常识别方法，其特征在于，所述通过引入自适应Anchor和mixup的yolov3网络模型，从接触网图像中定位电联接线线夹图像，包括：
利用所述自适应Anchor对电联接线线夹数据进行标注和训练；
利用mixup对电联接线线夹数据进行增强。
3.根据权利要求1所述的一种接触网电联接线线夹螺母异常识别方法，其特征在于，所述判断所述连通域是否有效，具体为：
当所述连通域中同时存在螺栓头和螺母时，判断所述连通域有效；
否则，判断所述连通域无效。
4.根据权利要求1所述的一种接触网电联接线线夹螺母异常识别方法，其特征在于，所述特征提取步骤中，判断所述连通域是否有效后，还包括：
对有效连通域进行分类处理，得到螺栓头连通域集合、螺母连通域集合和导线连通域集合。
5.根据权利要求4所述的一种接触网电联接线线夹螺母异常识别方法，其特征在于，所述缺陷识别步骤，包括；
基于图像二阶矩，分别计算所述螺栓头连通域集合中每个螺栓头中心点和所述螺母连通域集合中每个螺母中心点；
计算第i个螺栓头中心点到第j个螺母中心点的空间距离。
6.根据权利要求5所述的一种接触网电联接线线夹螺母异常识别方法，其特征在于，所述计算第i个螺栓头中心点到第j个螺母中心点的空间距离，具体公式为：
其中，P为螺栓头连通域集合；Q为螺母连通域集合；m为螺栓头的数量，n为螺母的数量，为螺栓头连通域中第i个螺栓头的中心点，/>为螺母连通域中第j个螺母的中心点，为螺栓头连通域中第i个螺栓头的中心点坐标，/>为螺母连通域中第j个螺母的中心点坐标。
7.根据权利要求1所述的一种接触网电联接线线夹螺母异常识别方法，其特征在于，所述判断螺母是否松动，具体为：
当所述螺母到拟合直线的空间距离超过预设阈值时，则判断存在螺母松动；
当所述螺母到拟合直线的空间距离未超过预设阈值时，则判断不存在螺母松动。
8.一种接触网电联接线线夹螺母异常识别系统，其特征在于，具体包括图像定位模块、特征提取模块、螺母缺失判定模块，螺母松动判定模块；
所述图像定位模块用于从接触网图像中定位电联接线线夹图像；
所述特征提取模块用于从所述电联接线线夹图像中分割提取电联接线线夹的连通域，并判断所述连通域是否有效；所述连通域包含螺栓头、螺母及导线中的任意一种及以上；
所述螺母缺失判定模块用于计算有效连通域中螺栓头与螺母的空间距离，以有效连通域中螺栓头与螺母的最近空间距离为二分图的权利，基于KM匹配算法，判断螺母是否缺失；当所述二分图的每个顶点都存在一个匹配螺母时，则判断不存在螺母缺失；当所述二分图存在没有匹配上螺栓头的螺母，则判断存在螺母缺失；
所述螺母松动判定模块用于当所述螺母缺失判定模块判断螺母未缺失时，通过对导线连通域依次进行细化操作、对细化后的骨架进行拟合处理，得到拟合导线直线，计算螺母中心点与拟合导线直线的空间距离并与预设阈值比较，判定是否超过预设阈值，从而判断螺母是否松动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310280034.XA CN115995062B (zh) | 2023-03-22 | 2023-03-22 | 一种接触网电联接线线夹螺母异常识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310280034.XA CN115995062B (zh) | 2023-03-22 | 2023-03-22 | 一种接触网电联接线线夹螺母异常识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115995062A CN115995062A (zh) | 2023-04-21 |
| CN115995062B true CN115995062B (zh) | 2023-08-04 |
Family
ID=85993704
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310280034.XA Active CN115995062B (zh) | 2023-03-22 | 2023-03-22 | 一种接触网电联接线线夹螺母异常识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115995062B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009133822A (ja) * | 2007-10-31 | 2009-06-18 | Kobayashi Rigaku Kenkyusho | インナナットの緩み及び損傷の検知方法とその装置 |
| CN201325344Y (zh) * | 2008-11-17 | 2009-10-14 | 顾伟国 | 接触网导线接续工具 |
| CN105354827A (zh) * | 2015-10-08 | 2016-02-24 | 成都唐源电气有限责任公司 | 一种在接触网图像中智能识别线夹螺母脱落的方法及系统 |
| CN108176608A (zh) * | 2017-12-25 | 2018-06-19 | 中国科学院自动化研究所 | 基于机器视觉的螺母缺陷检测方法及装置 |
| CN109900466A (zh) * | 2019-03-13 | 2019-06-18 | 刘星星 | 一种螺栓或螺母松动监测方法和系统 |
| CN111080598A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种钩尾销安全吊的螺栓、螺母缺失检测方法 |
| CN112288674A (zh) * | 2019-07-11 | 2021-01-29 | 成都唐源电气股份有限公司 | 车载式接触网部件缺陷在线识别方法 |
| CN113128400A (zh) * | 2021-04-19 | 2021-07-16 | 北京明略软件系统有限公司 | 螺栓松动角度识别方法及系统 |
| CN114233739A (zh) * | 2021-12-20 | 2022-03-25 | 房晓勇 | 一种用于连接和紧固零件的截断式防止螺母回旋松动装置 |
| CN114743119A (zh) * | 2022-04-28 | 2022-07-12 | 石家庄铁道大学 | 基于无人机的高铁接触网吊弦螺母缺陷检测方法 |
| WO2022259696A1 (ja) * | 2021-06-08 | 2022-12-15 | 住友電装株式会社 | コネクタ及びコネクタ接続構造 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111640140B (zh) * | 2020-05-22 | 2022-11-25 | 北京百度网讯科技有限公司 | 目标跟踪方法、装置、电子设备及计算机可读存储介质 |
-
2023
- 2023-03-22 CN CN202310280034.XA patent/CN115995062B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009133822A (ja) * | 2007-10-31 | 2009-06-18 | Kobayashi Rigaku Kenkyusho | インナナットの緩み及び損傷の検知方法とその装置 |
| CN201325344Y (zh) * | 2008-11-17 | 2009-10-14 | 顾伟国 | 接触网导线接续工具 |
| CN105354827A (zh) * | 2015-10-08 | 2016-02-24 | 成都唐源电气有限责任公司 | 一种在接触网图像中智能识别线夹螺母脱落的方法及系统 |
| CN108176608A (zh) * | 2017-12-25 | 2018-06-19 | 中国科学院自动化研究所 | 基于机器视觉的螺母缺陷检测方法及装置 |
| CN109900466A (zh) * | 2019-03-13 | 2019-06-18 | 刘星星 | 一种螺栓或螺母松动监测方法和系统 |
| CN112288674A (zh) * | 2019-07-11 | 2021-01-29 | 成都唐源电气股份有限公司 | 车载式接触网部件缺陷在线识别方法 |
| CN111080598A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种钩尾销安全吊的螺栓、螺母缺失检测方法 |
| CN113128400A (zh) * | 2021-04-19 | 2021-07-16 | 北京明略软件系统有限公司 | 螺栓松动角度识别方法及系统 |
| WO2022259696A1 (ja) * | 2021-06-08 | 2022-12-15 | 住友電装株式会社 | コネクタ及びコネクタ接続構造 |
| CN114233739A (zh) * | 2021-12-20 | 2022-03-25 | 房晓勇 | 一种用于连接和紧固零件的截断式防止螺母回旋松动装置 |
| CN114743119A (zh) * | 2022-04-28 | 2022-07-12 | 石家庄铁道大学 | 基于无人机的高铁接触网吊弦螺母缺陷检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于YOLO-V4的输电线路多故障检测与跟踪;赵天宇;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》(第2022（08）期);C042-238 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115995062A (zh) | 2023-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110598736B (zh) | 一种电力设备红外图像故障定位、识别与预测方法 | |
| CN109344753A (zh) | 一种基于深度学习的航拍图像输电线路细小金具识别方法 | |
| CN111784633B (zh) | 一种面向电力巡检视频的绝缘子缺损自动检测算法 | |
| CN112200178B (zh) | 基于人工智能的变电站绝缘子红外图像检测方法 | |
| CN108961235A (zh) | 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法 | |
| CN111260629A (zh) | 基于图像处理的受电弓结构异常检测算法 | |
| CN111179262B (zh) | 一种结合形状属性的电力巡检图像金具检测方法 | |
| CN107833211B (zh) | 基于红外图像的零值绝缘子自动检测方法及装置 | |
| CN109447949A (zh) | 基于巡检机器人的绝缘端子缺陷识别方法 | |
| CN111462045B (zh) | 一种悬链支撑组件缺陷的检测方法 | |
| CN116310274A (zh) | 一种输变电设备的状态评估方法 | |
| CN113962973A (zh) | 一种基于卫星技术的输电线路无人机智能巡检系统及方法 | |
| CN116051539A (zh) | 一种变电设备发热故障的诊断方法 | |
| CN112132088B (zh) | 一种巡检点位漏巡识别方法 | |
| CN115995062B (zh) | 一种接触网电联接线线夹螺母异常识别方法及系统 | |
| CN111597939B (zh) | 一种基于深度学习的高铁线路鸟窝缺陷检测方法 | |
| CN116485802B (zh) | 一种绝缘子闪络缺陷检测方法、装置、设备及存储介质 | |
| CN117114420A (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
| CN117496223A (zh) | 一种基于深度学习的轻量化绝缘子缺陷检测方法及装置 | |
| CN112683916A (zh) | 集电线路杆塔小金具缺失或安装错误的识别方法及装置 | |
| CN115937492B (zh) | 一种基于特征识别的变电设备红外图像识别方法 | |
| CN116434258A (zh) | 一种表格数据的自动识别方法 | |
| CN113989209A (zh) | 基于Faster R-CNN的电力线异物检测方法 | |
| CN113052260A (zh) | 基于图像配准和目标检测的变电站异物识别方法及系统 | |
| CN111160224A (zh) | 一种基于fpga和地平线分割的高铁接触网异物检测系统及方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: 610046 North 1st Section of Second Ring Road, Chengdu, Sichuan Province Applicant after: SOUTHWEST JIAOTONG University Applicant after: CHENGDU TANGYUAN ELECTRIC Co.,Ltd. Address before: No. 9, Wuke West 1st Road, Wuhou District, Chengdu City, Sichuan Province 610046 Applicant before: CHENGDU TANGYUAN ELECTRIC Co.,Ltd. Applicant before: SOUTHWEST JIAOTONG University |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |