CN117036366A - 基于图像处理的铁路弓网检测方法、装置、设备及介质 - Google Patents

基于图像处理的铁路弓网检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN117036366A
CN117036366A CN202311305428.2A CN202311305428A CN117036366A CN 117036366 A CN117036366 A CN 117036366A CN 202311305428 A CN202311305428 A CN 202311305428A CN 117036366 A CN117036366 A CN 117036366A
Authority
CN
China
Prior art keywords
pantograph
information
abnormal
visible light
image
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.)
Granted
Application number
CN202311305428.2A
Other languages
English (en)
Other versions
CN117036366B (zh
Inventor
刘全
郭晗
葛辉
蒲天鹏
顾莉兰
苏庆龙
周煦原
马荣荣
李皓
李俊卓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kerens Tianjin Rail Transit Technology Co ltd
Original Assignee
Kerens Tianjin Rail Transit Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kerens Tianjin Rail Transit Technology Co ltd filed Critical Kerens Tianjin Rail Transit Technology Co ltd
Priority to CN202311305428.2A priority Critical patent/CN117036366B/zh
Publication of CN117036366A publication Critical patent/CN117036366A/zh
Application granted granted Critical
Publication of CN117036366B publication Critical patent/CN117036366B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608—Height gauges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/10048—Infrared image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Current-Collector Devices For Electrically Propelled Vehicles (AREA)

Abstract

本申请涉及一种基于图像处理的铁路弓网检测方法、装置、设备及介质，应用于轨道交通安全监测的技术领域，其方法包括：获取可见光图像；对可见光图像进行分析识别，得到可见光识别结果，可见光识别结果包括受电弓外观信息和受电弓几何参数；获取车身姿态信息；根据车身姿态信息对受电弓几何参数进行修正，得到修正结果；判断修正结果和/或受电弓外观信息是否存在异常；若所述修正结果和/或所述受电弓外观信息存在异常，则基于所述修正结果和/或所述受电弓外观信息得到异常信息。本申请具有对弓网状态实时监测，及时发现受电弓异常，降低因受电弓异常而引发的运行安全风险，减少设备损坏的情况发生的效果。

Description

基于图像处理的铁路弓网检测方法、装置、设备及介质
技术领域
本申请涉及轨道交通安全监测的技术领域，尤其是涉及一种基于图像处理的铁路弓网检测方法、装置、设备及介质。
背景技术
受电弓是一种安装在电力牵引机车顶部，用以从接触网取得电能为列车提供动力的电气设备。在列车运行过程中，由于受施工、布线、材料等各方面因素影响，在列车运行过程中会发生故障，损坏设备，形成安全隐患。具体故障类型有受电弓的导高和/或拉出值异常、弓网之间产生燃弧和受电弓局部过热。
目前，运营部门对受电弓的检测方法为，在车辆入库出库时指派人工定期巡检，通过目测手段获取受电弓外观状态，并根据经验判断受电弓是否受到损害，具有检测精确度低，且无法在列车运行过程中对受电弓进行实时监测的缺点。
发明内容
为了在列车运行过程中实时对受电弓进行精确的检测，本申请提供一种基于图像处理的铁路弓网检测方法、装置、设备及介质。
第一方面，本申请提供一种基于图像处理的铁路弓网检测方法，采用如下的技术方案：
一种基于图像处理的铁路弓网检测方法，包括获取可见光图像；对可见光图像进行分析识别，得到可见光识别结果，可见光识别结果包括受电弓外观信息和受电弓几何参数；获取车身姿态信息，车身姿态信息包括第一横向距离、第二横向距离、第一纵向距离和第二纵向距离；根据车身姿态信息对受电弓几何参数进行修正，得到修正结果；判断修正结果和/或受电弓外观信息是否存在异常；若所述修正结果和/或所述受电弓外观信息存在异常，则基于所述修正结果和/或所述受电弓外观信息得到异常信息。
通过采用上述技术方案，在列车运行过程中对受电弓进行检测，降低了因受电弓异常而引发的运行安全风险，减少了设备损坏的情况发生。及时发现受电弓异常，获取异常数据，为之后的检修提供数据支持，提高了检修效率。
可选的，所述获取可见光图像，包括：获取当前场景下识别区域的明暗度；将所述明暗度与预设明暗度阈值进行对比；若所述明暗度低于所述预设明暗度阈值的最低阈值，则发送补光增强指令；若所述明暗度高于所述预设明暗度阈值的最高阈值，则发送补光减弱指令。
通过采用上述技术方案，在获取可见光图像时，在隧道或夜晚环境下，可见光采集装置无法采集到清晰的可见光图像，需要使用补光灯进行补光。当出现影响可见光图像采集的天气，如大雾和降雨，能够提高补光灯光照强度，改善获取可见光图像的清晰度。同时，当补光灯在低光照强度工作状态下能够提供足够的光照强度时，不用提高补光灯光照强度，减少能源消耗，减少对外部环境的光污染。另一方面，通过对可见光图像的明暗度进行判断，能够更加科学准确的控制补光灯的开关。
可选的，在所述对所述可见光图像进行分析识别，得到可见光识别结果，所述可见光识别结果包括受电弓外观信息和受电弓几何参数之后，所述方法还包括：获取紫外图像；根据所述紫外图像判断是否存在预设特征波长的紫外光；若所述紫外图像中存在所述预设特征波长的紫外光，则将所述紫外图像与所述可见光图像进行融合，得到紫外特征图像；根据所述受电弓外观信息和所述紫外特征图像确定紫外异常区域，所述紫外异常区域包括受电弓存在所述预设特征波长的紫外光区域；基于所述紫外异常区域生成紫外识别结果。
通过采用上述技术方案，在列车运行中能够对燃弧进行检测，使异常检测更加全面，对于燃弧异常能够及时发现，降低了运行中的安全风险，减少了损坏设备情况的发生。
可选的，在所述对所述可见光图像进行分析识别，得到可见光识别结果，所述可见光识别结果包括受电弓外观信息和受电弓几何参数之后，所述方法还包括：获取红外图像；根据所述红外图像判断是否存在温度数据超过预设温度阈值的区域；若存在所述温度数据超过所述预设温度阈值的区域，则将所述红外图像与所述可见光图像进行融合，得到红外特征图像；根据所述受电弓外观信息和所述红外特征图像确定红外异常区域，所述红外异常区域包括受电弓存在所述温度数据超过所述预设温度阈值的区域；基于所述红外异常区域生成红外识别结果。
通过采用上述技术方案，在列车运行中能够对受电弓过热进行检测，使异常检测更加全面，对于过热异常能够及时发现，降低了运行中的安全风险，减少了损坏设备情况的发生。
可选的，所述受电弓几何参数包括拉出值和导高值，所述根据所述车身姿态信息对所述受电弓几何参数进行修正，得到修正结果，包括：根据所述第一横向距离和所述第二横向距离进行计算，得到轴向偏移值；根据所述轴向偏移值确定拉出值修正方向；基于所述拉出值修正方向和所述轴向偏移值对拉出值进行修正，得到第一修正结果；根据所述第一纵向距离和所述第二纵向距离进行计算，得到纵向偏移距离；根据所述纵向偏移距离确定导高值修正方向；基于导高值修正方向和纵向偏移距离对导高值进行修正，得到第二修正结果；将所述第一修正结果和所述第二修正结果作为修正结果。
通过采用上述技术方案，在列车运行过程中，能够随车辆运行实时根据车身姿态信息对拉出值和导高值进行修正，获取更加准确的数据，提高了对拉出值和导高值检测的全面性和准确性。
可选的，在所述根据所述车身姿态信息对所述受电弓几何参数进行修正，得到修正结果之后，所述方法还包括：基于所述第一修正结果和所述第二修正结果判断车体是否发生异常偏转；若所述车体发生预设异常偏转，则获取预设标准横向距离组和异常横向距离组，所述异常横向距离组包括当前车体的第一横向距离、第二横向距离和横向间隔距离；基于所述预设标准横向距离组计算车体偏转角度；基于所述车体偏转角度对车体的拉出值进行修正，得到第三修正结果；将所述第三修正结果作为修正结果。
通过采用上述技术方案，当车体发生异常偏转时，能够得到实际拉出值，在特殊情况下也能够进行精确的检测，提高了本方案的泛用性和获取拉出值的准确性。
可选的，在所述若所述修正结果和/或所述受电弓外观信息存在异常，则基于所述修正结果和/或所述受电弓外观信息得到异常信息之后，所述方法还包括：根据所述异常信息得到发生异常时的时间信息；根据所述时间信息获取发生异常时的位标信息和速度信息，所述位标信息包括公里标、上一站信息和下一站信息；获取车辆的运行方向信息；根据发生异常时的所述运行方向信息、所述位标信息和所述速度信息，得到所述异常在接触网上的位置信息；发送所述异常信息和所述位置信息。
通过采用上述技术方案，根据发生异常时的运行方向信息、位标信息和速度信息，得到异常位置在接触网上的具体位置，使主控中心能够及时派出工作人员对接触网异常进行检查维修，给工作人员提供检修参考，提高了检修效率，降低了人力成本。
第二方面，本申请提供一种基于图像处理的铁路弓网检测装置，采用如下的技术方案：
一种基于图像处理的铁路弓网检测装置，包括：
图像获取模块，用于获取可见光图像；
识别模块，用于对所述可见光图像进行分析识别，得到可见光识别结果；
姿态获取模块，用于获取车身姿态信息；
修正模块，用于根据所述车身姿态信息对受电弓几何参数进行修正，得到修正结果；
判断模块，用于判断所述修正结果和/或受电弓外观信息是否存在异常，若所述修正结果和/或所述受电弓外观信息存在异常，则基于所述修正结果和/或所述受电弓外观信息得到异常信息。
通过采用上述技术方案，在列车运行过程中对受电弓进行检测，及时发现受电弓异常，获取异常数据，为之后的检修提供数据支持，提高了检修效率。及时发现受电弓异常，降低了因受电弓异常而引发的运行安全风险，减少了设备损坏的情况发生。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，包括处理器，处理器与存储器耦合；
存储器上存储有能够被处理器加载并执行第一方面任一项的所述基于图像处理的铁路弓网检测方法的计算机程序。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，存储有能够被处理器加载并执行第一方面任一项的所述基于图像处理的铁路弓网检测方法的计算机程序。
附图说明
图1是本申请实施例提供的一种基于图像处理的铁路弓网检测方法的流程示意图。
图2是本申请实施例中体现第一横向距离的示意图。
图3是本申请实施例提供的一种基于图像处理的铁路弓网检测装置的结构框图。
图4是本申请实施例提供的电子设备的结构框图。
附图标记说明：1、中轴线；11、第一传感器；111、第一传感器采集点；12、第二传感器；121、第二传感器采集点；13、中轴线左侧铁轨；14、中轴线右侧铁轨。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本申请实施例提供一种基于图像处理的铁路弓网检测方法，该基于图像处理的铁路弓网检测方法可由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、台式计算机等，但并不局限于此。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“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，A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。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
如图1所示，一种基于图像处理的铁路弓网检测方法，该方法主要流程描述如下（步骤S101～S106）：
步骤S101，获取可见光图像。
在本实施例中，可见光图像通过车顶设备进行采集，车顶设备包括可见光图像采集装置、红外图像采集装置、紫外图像采集装置和补光灯。在安装车顶设备时，将车顶设备安装在列车顶部的预留装配点，并调整车顶设备的角度，使可见光图像采集装置能够采集到受电弓整体的图像。
可见光采集装置、红外图像采集装置和紫外图像采集装置均为摄像装置，在列车运行过程中能够对弓网的运行情况连续记录生成视频文件，视频文件帧率为24FPS。采用对视频文件抽帧的方式获取可见光图像，抽取间隔为每4帧获取一次可见光图像，即每秒获取6次可见光图像，并上传至服务器。
具体的,获取可见光图像，包括：获取当前场景下识别区域的明暗度；将明暗度与预设明暗度阈值进行对比；若明暗度低于预设明暗度阈值的最低阈值，则发送补光增强指令；若明暗度高于预设明暗度阈值的最高阈值，则发送补光减弱指令。
在本实施例中，在光照强度不足的情况下，可见光图像识别度较差，影响后续基于可见光图像的分析，控制补光灯对受电弓的表面进行补光，能够获取识别度更高的可见光图像。
根据可见光图像，通过图像识别技术确定识别区域，识别区域为受电弓完全覆盖的区域。在识别区域内预设置15个光照采样点，光照采样点在识别区域内的固定点，将各个光照采样点的明暗度值作为识别区域的明暗度值。将识别区域的明暗度与预设明暗度阈值进行对比，若明暗度低于预设明暗度阈值的最低阈值则对补光灯发送补光增强指令，若明暗度高于预设明暗度阈值的最高阈值，则对补光灯发送补光减弱指令。其中明暗度最低阈值为200nit，明暗度最高阈值为450nit，当识别区域明暗度小于200nit的光照采样点数量大于识别区域内所有光照采样点数量的40%时，视为识别区域的明暗度低于预设明暗度阈值的最低阈值，发送补光增强指令；当识别区域明暗度大于450nit区域的光照采样点数量大于识别区域面积内光照采样点数量的60%时，视为识别区域的明暗度高于预设明暗度阈值的最高阈值，发送补光减弱指令。
此处补光灯为面阵LED灯，光照强度无极调节，当补光灯收到补光增强指令时，提高补光灯的光照强度，直到达到补光灯的光强上限；当补光灯收到补光减弱指令时，降低补光灯的光照强度，直到补光灯关闭。
步骤S102，对可见光图像进行分析识别，得到可见光识别结果，可见光识别结果包括受电弓外观信息和受电弓几何参数。
在本实施例中，将可见光图像输入预设分析模型中，输出受电弓外观信息和受电弓几何参数。其中，受电弓外观信息包括：受电弓有无形变、裂纹、灼烧痕迹以及燃弧痕迹；受电弓几何参数包括：拉出值和导高值；预设分析模型可由不同数据类型的历史数据训练得出，该预设分析模型可以为神经网络模型，具体可以为卷积神经网络模型，神经网络模型为常规技术手段，在此不再具体赘述。
具体的，在对可见光图像进行分析识别，得到可见光识别结果，可见光识别结果包括受电弓外观信息和受电弓几何参数之后，方法还包括：获取紫外图像；根据紫外图像判断是否存在预设特征波长的紫外光；若紫外图像中存在预设特征波长的紫外光，则将紫外图像与可见光图像进行融合，得到紫外特征图像；根据受电弓外观信息和紫外特征图像确定紫外异常区域，紫外异常区域包括受电弓存在预设特征波长的紫外光区域；基于紫外异常区域生成紫外识别结果。
在本实施例中，燃弧是铁路营运过程中出现在接触网与受电弓之间的故障，由于弓网配合不良而产生，会加大受电弓滑板及接触线的损耗，严重的还会烧伤分段绝缘器、电连接线及线夹等设备。为了能够及时的发现燃弧故障，及时维护故障点，减少设备的损坏，本实施例使用紫外图像采集装置采集紫外视频信息，在获取可见光图像时，同步获取紫外图像，并将紫外图像上传至服务器。服务器对紫外图像进行预处理，将其数据类型转换为符合电子设备信息兼容的形式。
根据紫外图像判断是否存在预设特征波长的紫外光，预设特征波长为燃弧的特征波长，具体波段为220nm～225nm或320nm～329nm。若紫外图像中存在预设特征波长的紫外光，则发生燃弧，当前紫外图像为异常紫外图像。异常紫外图像与可见光图像进行融合，得到紫外特征图像。紫外特征图像以可见光图像为基础，将预设特征波长的紫外光发生的位置以第一特征颜色标注，本实施例中第一特征颜色为绿色。
根据紫外特征图像和受电弓外观信息能够确定紫外异常区域，紫外特征区域包括受电弓存在预设特征波长的紫外光区域，进而确定受电弓发生燃弧的区域。受电弓发生燃弧的区域作为紫外识别结果。
进一步的，在对可见光图像进行分析识别，得到可见光识别结果，可见光识别结果包括受电弓外观信息和受电弓几何参数之后，方法还包括：获取红外图像；根据红外图像判断是否存在温度数据超过预设温度阈值的区域；若存在温度数据超过预设温度阈值的区域，则将红外图像与可见光图像进行融合，得到红外特征图像；根据受电弓外观信息和红外特征图像确定红外异常区域，红外异常区域包括受电弓存在温度数据超过预设温度阈值的区域；基于红外异常区域生成红外识别结果。
在本实施例中，受电弓需要在-15℃～50℃的温度条件下进行工作，若出现异常发热的情况，将对受电弓造成损坏。在列车运行过程中，受电弓和接触网之间若出现异常摩擦，将会使受电弓异常发热，导致设备损坏，进而影响铁路的运营安全。为了对受电弓的异常发热情况进行实时监测，本实施例使用红外图像采集装置采集视频信息，并在获取可见光图像时，同步获取红外图像，并上传至服务器，服务器对红外图像进行预处理，将其数据类型转换为符合电子设备信息兼容的形式。
根据红外图像判断是否存在温度数据超过预设温度阈值的区域，预设温度阈值为50℃，若存在超过预设温度阈值的区域，则受电弓过热，当前红外图像为异常红外图像。异常红外图像与可见光图像进行融合，得到红外特征图像。红外特征图像以可见光图像为基础，将超过预设温度阈值的区域以第二特征颜色标注，本实施例中第二特征颜色为红色。
根据受电弓外观信息和红外特征图像能够确定红外异常区域，红外异常区域包括受电弓存在温度数据超过预设温度阈值的区域，进而确定受电弓过热的区域。受电弓发生过热异常的区域作为红外识别结果。
步骤S103，获取车身姿态信息，车身姿态信息包括第一横向距离、第二横向距离、第一纵向距离和第二纵向距离。
如图2所示，本实施例中，在设有受电弓的车厢底部以车厢的中轴线1为对称轴设置有一对激光位移传感器，在中轴线1左侧的激光位移传感器为第一传感器11，在中轴线1右侧的激光位移传感器为第二传感器12，第一传感器11垂直于中轴线左侧铁轨13铺设方向设置，第二传感器12垂直于中轴线右侧铁轨14铺设方向设置。截面为垂直于中轴线1并有第一传感器11和第二传感器21存在的平面。
中轴线左侧铁轨13靠近中轴线1的一侧面到第一传感器采集点111的横向距离为第一横向距离，中轴线左侧铁轨13上表面到第一传感器采集点111的距离为第一纵向距离；中轴线右侧铁轨14靠近中轴线1的一侧面到第二传感器采集点121的横向距离为第二横向距离，中轴线右侧铁轨14上表面到第二传感器采集点121的距离为第二纵向距离。第一传感器采集点111到第二传感器采集点121的距离为横向间隔距离。
第一传感器11能够采集第一纵向距离和第一横向距离，第二传感器12能够采集第二纵向距离和第二横向距离。
记L1为第一横向距离，L2为第二横向距离，H1为第一纵向距离，H2为第二纵向距离，d为横向间隔距离。
步骤S104，根据车身姿态信息对受电弓几何参数进行修正，得到修正结果。
在列车运行过程中，需要实时对受电弓的姿态进行检测，减少因受电弓姿态异常造成的弓网接触异常和设备损坏，其中受电弓的姿态由受电弓几何参数确定，受电弓几何参数由可见光图像输入预设分析模型得到。在本方案中，由于可见光图像采集装置设置在车顶，需要获取车身姿态信息对受电弓的几何参数进行修正，以得到准确的几何参数，对受电弓的姿态进行更加精确的监测。
具体的，受电弓几何参数包括拉出值和导高值，根据车身姿态信息对受电弓几何参数进行修正，得到修正结果，包括：根据第一横向距离和第二横向距离进行计算，得到轴向偏移值；根据轴向偏移值确定拉出值修正方向；基于拉出值修正方向和轴向偏移值对拉出值进行修正，得到第一修正结果；根据第一纵向距离和第二纵向距离进行计算，得到纵向偏移距离；根据纵向偏移距离确定导高值修正方向；基于导高值修正方向和纵向偏移距离对导高值进行修正，得到第二修正结果；将第一修正结果和第二修正结果作为修正结果。
在本实施例中，受电弓的几何参数包括拉出值和导高值，为了使受电弓弓头均匀磨耗，延长使用寿命，接触网实际施工时采用“之”字型布设。列车运行时，受电弓与接触网的接触点在弓头表面左右移动，接触点距离弓头中心点的距离为拉出值，接触点在中轴线左侧拉出值为正，接触点在中轴线右侧拉出值为负。导高值为接触点到轨道平面的距离，根据可见光图像的分析得到接触点到车顶的距离，车顶到轨道平面的距离为定值，通过计算即可得到导高值。
在列车实际运行过程中，需要对拉出值进行设定，使拉出值在一定范围之内，保障列车运行安全，但当列车发生偏移和/或翻转的异常情况时，测量拉出值会与实际拉出值不同，影响对受电弓和接触网的监测，其中，当列车发生偏移或翻转时，通过车底设备计算拉出值偏移量，通过拉出值偏移量和测量拉出值计算得到实际拉出值，再将实际拉出值与标准拉出值进行比较，进而判断是否存在拉出值异常。
受电弓与铁轨平面平行设置，根据第一横向距离和第二横向距离得到拉出偏移值对测量拉出值进行修正，得到实际拉出值。当列车发生偏移和/或翻转的异常情况时，第一横向距离和第二横向距离之和不变，但具体数值变化表现为第一横向距离增大第二横向距离缩短，或第一横向距离缩短第二横向距离增大。
拉出值具体计算公式为：
其中，L实为实际拉出值，L测为测量拉出值，ΔL为拉出值偏移值，L1为第一横向距离，L2为第二横向距离。
在实际测量过程中，测量导高值为接触点到车顶距离与车顶到轨道平面的距离之和，其中车顶到轨道平面的距离为预设定值。但在列车实际运行过程中，会发生上下震动和/或车体偏转的异常情况，会改变车顶到轨道平面的距离，实际导高值和测量导高值将存在误差，影响对弓网的监测，其中，当列车发生上下震动或翻转时，通过车底设备计算出导高值的偏移量，通过导高值偏移量和测量导高值计算实际导高值，再将实际导高值与标准导高值进行比较，进而判断是否存在导高值异常。
根据第一纵向距离和第二纵向距离得到导高偏移值对测量导高值进行修正得到实际导高值。当列车发生上下震动时，第一纵向距离和第二纵向距离表现为同步变化相同数值。
导高值具体计算公式为：
其中，H测为测量导高值，H弓为接触点到车顶的距离，H车为车顶到轨道平面的距离，ΔH为导高偏移值，H1为第一纵向距离，H2为第二纵向距离，H实为实际导高值。
将实际拉出值作为第一修正结果，实际导高值为第二修正结果，第一修正结果和第二修正结果作为修正结果。
进一步的，在根据车身姿态信息对受电弓几何参数进行修正，得到修正结果之后，方法还包括：基于第一修正结果和第二修正结果判断车体是否发生异常偏转；若车体发生预设异常偏转，则获取预设标准横向距离组和异常横向距离组，异常横向距离组包括当前车体的第一横向距离、第二横向距离和横向间隔距离；基于预设标准横向距离组计算车体偏转角度；基于车体偏转角度对车体的拉出值进行修正，得到第三修正结果；将第三修正结果作为修正结果。
在本实施例中，异常偏转是指导高值不变但第一横向距离和第二横向距离均增大的情况。首先应判断第一横向距离和第二横向距离是否均增大，其次判断实际导高值是否与测量导高值相等。若第一横向距离和第二横向距离均增大，且实际导高值与测量导高值相等，则列车发生异常偏转，具体偏转姿态为蛇形偏转。
当列车发生蛇形偏转时，首先获取预设标准横向距离组，预设标准横向距离组包括预设标准第一横向距离、预设标准第二横向距离和横向间隔距离，横向间隔距离为第一传感器和第二传感器之间的距离，并对以上三个数据求和，得到标准横向距离。需要注意的是，标准横向距离实际上为两铁轨之间的距离，预设标准第一横向距离和预设标准第二横向距离均可发生变化，但二者之和不变，横向间隔距离也为定值，则标准横向距离为固定值。
获取异常横向距离组，包括当前车体的第一横向距离、第二横向距离和横向间隔距离，并对以上三个数据求和，得到异常横向距离。
根据异常横向距离和标准横向距离，得出列车的偏转角度，并对拉出值进行修正，得到第三修正结果，并将第三修正结果作为修正结果，具体计算公式为：
其中，θ为列车的偏转角度，(L1+d+L2)为标准横向距离，L1为预设标准第一横向距离，L2为预设标准第二横向距离，d为横向间隔距离，(L1’+d+L2’)为异常横向距离，L1’为当前车体的第一横向距离，L2’为当前车体的第二横向距离。
步骤S105，判断修正结果和/或受电弓外观信息是否存在异常。
在本实施例中，根据修正结果得到受电弓的实际导高值和实际拉出值，判断实际导高值是否在预设导高值范围内，若实际导高值不在预设导高值范围内，则导高值异常；判断实际拉出值是否在预设拉出值范围内，若实际拉出值不在预设拉出值范围内，则拉出值异常。
将受电弓外观信息与预设故障信息库进行比对，判断受电弓是否存在外观异常，若受电弓存在外观异常，则确定受电弓外观故障类型，受电弓外观故障类型包括受电弓表面划痕、烧灼痕迹和弓头断裂。
例如，刚性悬挂的受电弓的拉出值范围为±350mm，导高值为4000～4200mm。若受电弓的实际拉出值为300mm，实际导高值为4254mm，则受电弓存在导高值异常。
步骤S106，若修正结果和/或受电弓外观信息存在异常，则基于修正结果和/或受电弓外观信息得到异常信息。
在本实施例中，异常信息包括拉出值异常信息、导高值异常信息和外观异常信息，若存在拉出值异常，则拉出值异常信息包括监测到拉出值异常的时间和实际拉出值数据；若存在导高值异常，则导高值异常信息包括监测到导高值异常的时间和实际导高值数据；若存在受电弓外观异常，则外观异常信息中包括外观故障类型和故障点在受电弓表面的位置。
另一方面，异常信息还包括紫外异常信息和红外异常信息，紫外异常信息包括紫外识别结果和发生燃弧异常的时间，红外异常信息包括红外识别结果和发生过热异常的时间。
值得注意的是，在本方案中，实际导高值是根据受电弓与接触网的接触点来确定的，导高值异常还包括弓网脱离异常，即受电弓与接触网之间没有接触点，无法测得导高值。所以，若发生弓网脱离接触异常，导高值异常信息还包括无法测得导高值的时间。
具体的，在若修正结果和/或受电弓外观信息存在异常，则基于修正结果和/或受电弓外观信息得到异常信息之后，方法还包括：根据异常信息得到发生异常时的时间信息；根据时间信息获取发生异常时的位标信息和速度信息，位标信息包括公里标、上一站信息和下一站信息；获取车辆的运行方向信息；根据发生异常时的运行方向信息、位标信息和速度信息，得到异常在接触网上的位置信息；发送异常信息和位置信息。
当发生异常时，需要获取发生异常的位置信息，再由控制中心派遣工作人员到异常位置对接触网进行检查。
在本实施例中，首先根据异常信息得到发生异常的时间，根据发生异常的时间得到发生异常时的位标信息和速度信息，其中位标信息包括公里标、上一站信息和下一站信息。获取车辆的运行方向信息，在铁路运行过程中，一列火车有前后两个车头，作为牵引的车头的受电弓升起与接触网接触，作为激活端。通过获取车辆的激活端，能够获取车辆的运行方向为上行或下行。
根据异常发生时的车辆运行方向、位标信息和速度信息，确定发生异常时异常在接触网上的位置信息，例如：
若列车行进方向为上行，发生拉出值异常的时间为9:30:00，列车运行速度为144km/h，上一站为A站，下一站为B站，经过50km公里标时间为9:28:30，则发生拉出值异常的位置为距离A站53.6km处，在检查接触网时，应在A站和B站区间内，从距A站53.6km处沿上行方向进行检查。
若列车行进方向为下行，发生拉出值异常的时间为9:30:00，列车运行速度为144km/h，上一站为B站，下一站为A站，经过50km公里标时间为9:28:30，则发生拉出值异常的位置为距离A站46.4km处，在检查接触网时，应在A站和B站区间内，从距A站46.4km处沿下行方向进行检查。
获取异常信息之后，首先传输至列车服务器，再由列车服务器通过总线发送至总服务器，其中异常信息包括异常发生的时间和异常类型，异常类型包括燃弧、受电弓过热、外观异常、拉出值异常和导高值异常。总线技术在本方案中选用MVB总线，能够实时接收列车的位置信息，得到列车在每一时刻的位置信息，通过将位置信息叠加到异常信息上，完成对异常的定位，并将位置信息发送至总服务器，便于工作人员及时对故障位置进行检修。
图3为本申请实施例提供的一种基于图像处理的铁路弓网检测装置200的结构框图。
如图3所示，基于图像处理的铁路弓网检测装置200主要包括：
图像获取模块201，用于获取可见光图像；
识别模块202，用于对可见光图像进行分析识别，得到可见光识别结果；
姿态获取模块203，用于获取车身姿态信息；
修正模块204，用于根据车身姿态信息对受电弓几何参数进行修正，得到修正结果；
判断模块205，用于判断修正结果和/或受电弓外观信息是否存在异常，若修正结果和/或受电弓外观信息存在异常，则基于修正结果和/或受电弓外观信息得到异常信息。
作为本实施例的一种可选实施方式，图像获取模块201还具体用于获取可见光图像，包括：获取当前场景下识别区域的明暗度；将明暗度与预设明暗度阈值进行对比；若明暗度低于预设明暗度阈值的最低阈值，则发送补光增强指令；若明暗度高于预设明暗度阈值的最高阈值，则发送补光减弱指令。
作为本实施例的一种可选实施方式，识别模块202还具体用于在对可见光图像进行分析识别，得到可见光识别结果，可见光识别结果包括受电弓外观信息和受电弓几何参数之后，方法还包括：获取紫外图像；根据紫外图像判断是否存在预设特征波长的紫外光；若紫外图像中存在预设特征波长的紫外光，则将紫外图像与可见光图像进行融合，得到紫外特征图像；根据受电弓外观信息和紫外特征图像确定紫外异常区域，紫外异常区域包括受电弓存在预设特征波长的紫外光区域；基于紫外异常区域生成紫外识别结果。
作为本实施例的一种可选实施方式，识别模块202还具体用于在对可见光图像进行分析识别，得到可见光识别结果，可见光识别结果包括受电弓外观信息和受电弓几何参数之后，方法还包括：获取红外图像；根据红外图像判断是否存在温度数据超过预设温度阈值的区域；若存在温度数据超过预设温度阈值的区域，则将红外图像与可见光图像进行融合，得到红外特征图像；根据受电弓外观信息和红外特征图像确定红外异常区域，红外异常区域包括受电弓存在温度数据超过预设温度阈值的区域；基于红外异常区域生成红外识别结果。
作为本实施例的一种可选实施方式，修正模块204还具体用于受电弓几何参数包括拉出值和导高值，根据车身姿态信息对受电弓几何参数进行修正，得到修正结果，包括：根据第一横向距离和第二横向距离进行计算，得到轴向偏移值；根据轴向偏移值确定拉出值修正方向；基于拉出值修正方向和轴向偏移值对拉出值进行修正，得到第一修正结果；根据第一纵向距离和第二纵向距离进行计算，得到纵向偏移距离；根据纵向偏移距离确定导高值修正方向；基于导高值修正方向和纵向偏移距离对导高值进行修正，得到第二修正结果；将第一修正结果和第二修正结果作为修正结果。
作为本实施例的一种可选实施方式，判断模块205还具体用于在若修正结果和/或受电弓外观信息存在异常，则基于修正结果和/或受电弓外观信息得到异常信息之后，方法还包括：根据异常信息得到发生异常时的时间信息；根据时间信息获取发生异常时的位标信息和速度信息，位标信息包括公里标、上一站信息和下一站信息；获取车辆的运行方向信息；根据发生异常时的运行方向信息、位标信息和速度信息，得到异常在接触网上的位置信息；发送异常信息和位置信息。
在一个例子中，以上任一装置中的模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个专用集成电路(application specific integratedcircuit，ASIC)，或，一个或多个数字信号处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)，或这些集成电路形式中至少两种的组合。
再如，当装置中的模块可以通过处理元件调度程序的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，CPU)或其它可以调用程序的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，SOC)的形式实现。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图4为本申请实施例提供的电子设备300的结构框图。
如图4所示，电子设备300包括处理器301和存储器302，还可以进一步包括信息输入/信息输出(I/O)接口303、通信组件304中的一种或多种以及通信总线305。
其中，处理器301用于控制电子设备300的整体操作，以完成上述的基于图像处理的铁路弓网检测方法的全部或部分步骤；存储器302用于存储各种类型的数据以支持在电子设备300的操作，这些数据例如可以包括用于在该电子设备300上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random AccessMemory，SRAM)、电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，EEPROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、只读存储器(Read-Only Memory，ROM)、磁存储器、快闪存储器、磁盘或光盘中的一种或多种。
I/O接口303为处理器301和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件304用于电子设备300与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(NearField Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件304可以包括：Wi-Fi部件，蓝牙部件，NFC部件。
电子设备300可以被一个或多个应用专用集成电路 (Application SpecificIntegrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field ProgrammableGate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例给出的基于图像处理的铁路弓网检测方法。
通信总线305可包括一通路，在上述组件之间传送信息。通信总线305可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA (ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。通信总线305可以分为地址总线、数据总线、控制总线等。
电子设备300可以包括但不限于移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端，还可以为服务器等。
本申请还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的基于图像处理的铁路弓网检测方法的步骤。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器 (R ead-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的申请范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种基于图像处理的铁路弓网检测方法，其特征在于，包括：
获取可见光图像；
对所述可见光图像进行分析识别，得到可见光识别结果，所述可见光识别结果包括受电弓外观信息和受电弓几何参数；
获取车身姿态信息，所述车身姿态信息包括第一横向距离、第二横向距离、第一纵向距离和第二纵向距离；
根据所述车身姿态信息对所述受电弓几何参数进行修正，得到修正结果；
判断所述修正结果和/或所述受电弓外观信息是否存在异常；
若所述修正结果和/或所述受电弓外观信息存在异常，则基于所述修正结果和/或所述受电弓外观信息得到异常信息。
2.根据权利要求1所述的方法，其特征在于，所述获取可见光图像，包括：
获取当前场景下识别区域的明暗度；
将所述明暗度与预设明暗度阈值进行对比；
若所述明暗度低于所述预设明暗度阈值的最低阈值，则发送补光增强指令；
若所述明暗度高于所述预设明暗度阈值的最高阈值，则发送补光减弱指令。
3.根据权利要求1所述的方法，其特征在于，在所述对所述可见光图像进行分析识别，得到可见光识别结果，所述可见光识别结果包括受电弓外观信息和受电弓几何参数之后，所述方法还包括：
获取紫外图像；
根据所述紫外图像判断是否存在预设特征波长的紫外光；
若所述紫外图像中存在所述预设特征波长的紫外光，则将所述紫外图像与所述可见光图像进行融合，得到紫外特征图像；
根据所述受电弓外观信息和所述紫外特征图像确定紫外异常区域，所述紫外异常区域包括受电弓存在所述预设特征波长的紫外光区域；
基于所述紫外异常区域生成紫外识别结果。
4.根据权利要求1至3任一项所述的方法，其特征在于，在所述对所述可见光图像进行分析识别，得到可见光识别结果，所述可见光识别结果包括受电弓外观信息和受电弓几何参数之后，所述方法还包括：
获取红外图像；
根据所述红外图像判断是否存在温度数据超过预设温度阈值的区域；
若存在所述温度数据超过所述预设温度阈值的区域，则将所述红外图像与所述可见光图像进行融合，得到红外特征图像；
根据所述受电弓外观信息和所述红外特征图像确定红外异常区域，所述红外异常区域包括受电弓存在所述温度数据超过所述预设温度阈值的区域；
基于所述红外异常区域生成红外识别结果。
5.根据权利要求1所述的方法，其特征在于，所述受电弓几何参数包括拉出值和导高值，所述根据所述车身姿态信息对所述受电弓几何参数进行修正，得到修正结果，包括：
根据所述第一横向距离和所述第二横向距离进行计算，得到轴向偏移值；
根据所述轴向偏移值确定拉出值修正方向；
基于所述拉出值修正方向和所述轴向偏移值对拉出值进行修正，得到第一修正结果；
根据所述第一纵向距离和所述第二纵向距离进行计算，得到纵向偏移距离；
根据所述纵向偏移距离确定导高值修正方向；
基于导高值修正方向和纵向偏移距离对导高值进行修正，得到第二修正结果；
将所述第一修正结果和所述第二修正结果作为修正结果。
6.根据权利要求5所述的方法，其特征在于，在所述根据所述车身姿态信息对所述受电弓几何参数进行修正，得到修正结果之后，所述方法还包括：
基于所述第一修正结果和所述第二修正结果判断车体是否发生异常偏转；
若所述车体发生预设异常偏转，则获取预设标准横向距离组和异常横向距离组，所述异常横向距离组包括当前车体的第一横向距离、第二横向距离和横向间隔距离；
基于所述预设标准横向距离组计算车体偏转角度；
基于所述车体偏转角度对车体的拉出值进行修正，得到第三修正结果；
将所述第三修正结果作为修正结果。
7.根据权利要求1所述的方法，其特征在于，在所述若所述修正结果和/或所述受电弓外观信息存在异常，则基于所述修正结果和/或所述受电弓外观信息得到异常信息之后，所述方法还包括：
根据所述异常信息得到发生异常时的时间信息；
根据所述时间信息获取发生异常时的位标信息和速度信息，所述位标信息包括公里标、上一站信息和下一站信息；
获取车辆的运行方向信息；
根据发生异常时的所述运行方向信息、所述位标信息和所述速度信息，得到所述异常在接触网上的位置信息；
发送所述异常信息和所述位置信息。
8.一种基于图像处理的铁路弓网检测装置，其特征在于，包括：
图像获取模块，用于获取可见光图像；
识别模块，用于对所述可见光图像进行分析识别，得到可见光识别结果；
姿态获取模块，用于获取车身姿态信息；
修正模块，用于根据所述车身姿态信息对受电弓几何参数进行修正，得到修正结果；
判断模块，用于判断所述修正结果和/或受电弓外观信息是否存在异常，若所述修正结果和/或所述受电弓外观信息存在异常，则基于所述修正结果和/或所述受电弓外观信息得到异常信息。
9.一种电子设备，其特征在于，包括处理器，处理器与存储器耦合；
处理器用于执行存储器中存储的计算机程序，以使得电子设备执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，包括计算机程序或指令，当计算机程序或指令在计算机上运行时，使得计算机执行如权利要求1-7任一项所述的方法。
CN202311305428.2A 2023-10-10 2023-10-10 基于图像处理的铁路弓网检测方法、装置、设备及介质 Active CN117036366B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311305428.2A CN117036366B (zh) 2023-10-10 2023-10-10 基于图像处理的铁路弓网检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311305428.2A CN117036366B (zh) 2023-10-10 2023-10-10 基于图像处理的铁路弓网检测方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN117036366A true CN117036366A (zh) 2023-11-10
CN117036366B CN117036366B (zh) 2024-01-02

Family

ID=88639529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311305428.2A Active CN117036366B (zh) 2023-10-10 2023-10-10 基于图像处理的铁路弓网检测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117036366B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108981811A (zh) * 2018-07-18 2018-12-11 东莞市诺丽电子科技有限公司 一种列车受电弓在线检测系统
CN110320021A (zh) * 2019-08-08 2019-10-11 郑州意达信息技术有限公司 接触网锚段在线监测装置
CN111398306A (zh) * 2019-12-28 2020-07-10 昆山高新轨道交通智能装备有限公司 城市轨道交通运营综合检测系统
CN113091833A (zh) * 2021-06-09 2021-07-09 成都国铁电气设备有限公司 一种弓网综合检测系统
CN115388760A (zh) * 2021-05-20 2022-11-25 株洲中车时代电气股份有限公司 基于弓网检测装置的数据处理方法、装置、设备及介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108981811A (zh) * 2018-07-18 2018-12-11 东莞市诺丽电子科技有限公司 一种列车受电弓在线检测系统
CN110320021A (zh) * 2019-08-08 2019-10-11 郑州意达信息技术有限公司 接触网锚段在线监测装置
CN111398306A (zh) * 2019-12-28 2020-07-10 昆山高新轨道交通智能装备有限公司 城市轨道交通运营综合检测系统
CN115388760A (zh) * 2021-05-20 2022-11-25 株洲中车时代电气股份有限公司 基于弓网检测装置的数据处理方法、装置、设备及介质
CN113091833A (zh) * 2021-06-09 2021-07-09 成都国铁电气设备有限公司 一种弓网综合检测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
许向红等: "基于模态实验的单滑板受电弓全柔模型修正方法", 《力学学报》, pages 1753 - 1760 *

Also Published As

Publication number Publication date
CN117036366B (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN104567684B (zh) 一种接触网几何参数检测方法及装置
CN110266268B (zh) 一种基于图像融合识别的光伏组件故障检测方法
CN106052575B (zh) 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法
US11073446B2 (en) Wear inspection apparatus and wear inspection method
CN107743577B (zh) 用于检测电动铁道车辆的振动信息的方法和装置
RU2638887C2 (ru) Система для определения состояния токосъемника
CN106950472B (zh) 一种基于红外紫外成像的绝缘子检测方法
CN107703513B (zh) 一种基于图像处理的非接触式接触网相对位置检测方法
WO2021043388A1 (en) Device and method for detecting wear and/or damage on a pantograph
CN112017173B (zh) 基于目标检测网络和结构化定位的电力设备缺陷检测方法
JP2014169939A (ja) 架線位置計測装置及び方法
CN113295145A (zh) 一种弓网运行状态的检测系统及检测方法
CN101680748B (zh) 通过图像处理来测量架空线的磨损的设备
CN117036366B (zh) 基于图像处理的铁路弓网检测方法、装置、设备及介质
CN111572589B (zh) 城市轨道交通故障测距系统及方法
CN204807472U (zh) 一种受电弓检测系统
CN112284267A (zh) 一种接触线磨耗检测方法及系统
Na et al. Condition monitoring of railway pantograph using r-CNN and image processing
CN112781492B (zh) 基于多双目的列车受电弓滑板磨耗在线检测设备及方法
JP5952759B2 (ja) 架線位置計測装置及び方法
KR20160148125A (ko) 명도 변화에 영향을 받지 않는 전차선의 동적 편위 검출 방법
WO2023148669A1 (en) Apparatus and method for monitoring an overhead contact line of a transportation network
CN214893085U (zh) 一种接触线磨耗快速测量装置
JP5736853B2 (ja) トロリ線の摩耗状態監視装置
CN115201213A (zh) 一种客运索道钢丝绳检测装置及方法

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
GR01 Patent grant
GR01 Patent grant