论文部分内容阅读
中国铁路运输规程规定：高铁牵引供电系统与接触网供电设施属于高速铁路行车装备的重要组成部分，绝缘子是使牵引供电及接触网带电部件保持电气绝缘的主要元器件，一旦发生绝缘缺陷，将直接威胁铁路运输安全。由于绝缘子常年暴露在空气中，潮湿的天气环境会使绝缘子串发生污闪，而污闪后劣质或劣化的绝缘子极容易遭受雷击，导致绝缘子出现掉串现象。目前对掉串绝缘子的识别方法主要有人工巡视法和电磁特性法。以昌福高铁线路为实例，线路全长635km，整条线上约有28300个绝缘子，使用人工巡视法效率不高、掉串缺陷检出率低、巡视周期长；而电磁特性法例如电压分布法、超声波检测、红外线检测、无线电波检测等，存在着操作繁琐、容易受电磁干扰的问题。
随着计算机图像技术的发展，基于图像处理的绝缘子图像识别技术成为了一种比较高效的新型识别方法，该方法可以在某些特定条件下实现对掉串绝缘子的快速识别，从而及时排除险情。目前铁路行业的研究学者对绝缘子图像的识别主要是利用各种复杂的数学理论来建立评估模型，但这些方法计算量很大、计算过程复杂，且当需识别的绝缘子数量较大时，准确率会大幅下降。为了提高接触网绝缘子图像的检测识别效率，提出了一种基于深度学习模型和三维信息变换模型的高铁接触网掉串绝缘子识别新方法，该方法目前在接触网相关领域鲜见文献报道。
考虑到高铁接触网绝缘子结构在周期、方向、规律、均匀等方面的特殊性，本文结合昌福高铁接触网安全巡检系统中的绝缘子图像数据，采用基于HOG特征的SVM分类器算法对高铁接触网上的绝缘子进行检测，再利用深度学习模型和三维信息变换模型对掉串绝缘子进行识别。首先对高铁接触网绝缘子图像进行灰度化、小波阈值去噪、维纳滤波、图像增强等预处理，再使用基于HOG特征的SVM分类器算法对接触网中的绝缘子进行检测，然后引入三维信息变换提取掉串绝缘子的特征信息并利用一维判断矩阵对其进行曲线拟合，最后通过对WS-CNN模型进行不平衡小样本优化处理，实现对掉串绝缘子不同模式的识别。结果表明，相比传统的CNN模型以及目前流行的Fast R-CNN模型，本文的WS-CNN模型图像识别方法在绝缘子掉串领域具有更高的识别精度和识别速率，可在复杂的接触网环境中以97.1%的识别率精确判定绝缘子掉串，在不同的拍摄距离、角度、亮度下均展现出较好的泛化能力。
随着计算机图像技术的发展，基于图像处理的绝缘子图像识别技术成为了一种比较高效的新型识别方法，该方法可以在某些特定条件下实现对掉串绝缘子的快速识别，从而及时排除险情。目前铁路行业的研究学者对绝缘子图像的识别主要是利用各种复杂的数学理论来建立评估模型，但这些方法计算量很大、计算过程复杂，且当需识别的绝缘子数量较大时，准确率会大幅下降。为了提高接触网绝缘子图像的检测识别效率，提出了一种基于深度学习模型和三维信息变换模型的高铁接触网掉串绝缘子识别新方法，该方法目前在接触网相关领域鲜见文献报道。
考虑到高铁接触网绝缘子结构在周期、方向、规律、均匀等方面的特殊性，本文结合昌福高铁接触网安全巡检系统中的绝缘子图像数据，采用基于HOG特征的SVM分类器算法对高铁接触网上的绝缘子进行检测，再利用深度学习模型和三维信息变换模型对掉串绝缘子进行识别。首先对高铁接触网绝缘子图像进行灰度化、小波阈值去噪、维纳滤波、图像增强等预处理，再使用基于HOG特征的SVM分类器算法对接触网中的绝缘子进行检测，然后引入三维信息变换提取掉串绝缘子的特征信息并利用一维判断矩阵对其进行曲线拟合，最后通过对WS-CNN模型进行不平衡小样本优化处理，实现对掉串绝缘子不同模式的识别。结果表明，相比传统的CNN模型以及目前流行的Fast R-CNN模型，本文的WS-CNN模型图像识别方法在绝缘子掉串领域具有更高的识别精度和识别速率，可在复杂的接触网环境中以97.1%的识别率精确判定绝缘子掉串，在不同的拍摄距离、角度、亮度下均展现出较好的泛化能力。