论文部分内容阅读
接触网系统是高速铁路牵引供电系统的重要组成部分,负责将牵引变电所输出的电能传送至动车组。动车组运行过程中,受电弓与接触网之间通常存在复杂的机械与电气作用,可能导致接触网支持装置零部件出现破损、松脱、断裂等缺陷,造成接触网机械结构稳定性下降,严重时会引发严重的安全事故(如定位器脱落、接触网坍塌等),直接影响列车的安全运行。因此,对接触网支持装置零部件进行准确、高效的缺陷检测与状态监控,对高速铁路运营与维护工作具有重要意义。随着高速铁路6C检测系统的提出,基于图像的非接触式检测方法日益取代传统的人工巡线成为接触网检修与维护的主要手段被各路局采用。然而,现有的检测系统依然存在图像理解能力差,自动化程度低,缺陷识别过分依赖人工辅助等问题,检测效率依然较低。为解决以上问题,论文提出一系列基于计算机视觉技术的高速铁路接触网支持装置零部件分类提取与缺陷检测方法,以提高现有检测系统的智能化水平,主要工作如下:1)针对接触网支持装置零部件识别问题,提出一种基于梯度方向直方图特征与改进的级联分类器的识别算法,通过改变级联分类器的结构实现接触网支持装置零部件识别精度的提升。该方法利用支持向量机对训练前期产生的困难样本进行区分,替换传统级联Adaboost分类器中的高层级分类器。利用支持向量机在处理小样本、高维数分类问题中的优势,解决了传统级联Adaboost分类器训练后期由于高质量负样本获取困难而导致的模型性能提升缓慢问题。实验结果表明,改进后的级联分类器具有更高的零部件识别精度。2)结合深度学习技术,利用卷积神经网络实现多种接触网支持装置零部件的同时识别。通过对基于Faster R-CNN、SSD、YOLO等现有目标检测框架的支持装置零部件识别结果进行分析,选择Faster R-CNN框架作为网络的基本结构。为进一步提高接触网支持装置零部件的识别精度,提出一种改进的Faster R-CNN模型。该模型在多个特征层上引入多尺度候选区域采样,利用候选区域的上下文信息对零部件种类进行辅助判别。实验结果表明改进后的Faster R-CNN模型能够有效提升体积较小的零部件(如斜拉线定位钩、防风拉线固定环、斜撑套筒顶紧、绝缘子底座等)的识别精度。3)针对绝缘子瓷片破损与夹杂异物,提出一种基于局部周期异常变化的缺陷检测方法。该方法首先基于信号处理技术对绝缘子表面的纹理信息进行局部周期估计,进而根据各像素点的局部周期估计结果生成绝缘子表面局部周期强度图,通过对局部周期强度图进行异常值检测实现绝缘子破损与夹杂异物等缺陷的诊断;针对旋转双耳耳片断裂缺陷,提出一种基于二维Gabor小波与距离变换的检测方法,该方法首先对待检测图像的二维Gabor小波能量极值区域进行骨架提取,进而利用形状上下文将上述骨架区域映射至标准旋转双耳图像上,最后利用距离变换计算映射后的骨架区域与旋转双耳轮廓曲线的相对距离,实现断裂处裂痕的检测。4)针对旋转双耳表面不易检测的细微裂纹,提出一种图像处理技术与深度学习相结合的检测方法。该方法首先利用Mask R-CNN对旋转双耳耳片区域进行精确分割,进而将耳片区域划分为单尺度栅格并利用轻量级卷积神经网络对栅格内是否存在裂纹进行判别,生成裂纹候选区域,最后利用一致性敏感哈希算法对裂纹候选区域进行重识别,消除其中的误报。与单纯依靠深度学习的检测方法相比,该方法在达到同等检测精度的同时具有更高的检测效率。