[发明专利]一种刚性汇流排缺陷检测方法及装置

说明书

本发明公开了一种刚性汇流排缺陷的检测方法及装置，涉及图像处理及图像识别的技术领域；包括S1、利用深度学习模型，从采集获得的汇流排图像中，定位感兴趣汇流排区域图像；S2、滤除所述感兴趣汇流排区域图像的噪声；S3、对滤除噪声后的感兴趣汇流排区域图像进行预处理，得到特征图，从所述特征图中提取出汇流排特征；S4、根据提取出的所述汇流排特征，进行汇流排缺陷检测，所述汇流排缺陷检测包括汇流排弯曲变形检测和/或汇流排擦伤检测。本发明的汇流排缺陷检测方法，能够快速准确的检测并判断汇流排是否弯曲变形，以及快速识别汇流排擦伤类型及并定位汇流排擦伤位置，适用于轨道交通领域刚性接触网。

技术领域

本发明涉及图像处理及图像识别的技术领域，具体涉及一种刚性汇流排缺陷检测方法及装置。

背景技术

电气化铁路中，架空式刚性接触网因具有接触线无张力、零部件少、净空要求低，维修量少等优势，目前被广泛应用在各大城市地铁中。其中汇流排作为刚性接触网的重要组成部件，对接触线进行固定，使得受电弓在接触线上自由滑动受电。然而随着地铁运营时间持续增长，汇流排排上的各种故障问题逐渐暴露出来，由于刚性接触网局部弹性较差，导致受电弓与汇流排之间存在磨损现象，导致汇流排擦伤、汇流排中间接头连接板螺纹滑牙、汇流排与接触线脱落造成脱槽等。由于地铁运行过程中间隔时间较短，汇流排发生严重故障时，会直接影响列车的受流质量，因此对汇流排的缺陷进行检测是当前刚性接触网应用和推广亟待解决的问题。

目前，对刚性汇流排擦伤的故障检测方法主要通过维修人员进行线路巡视，效率较低，且容易漏检。因此，如何高效和高准确的识别刚性接触网汇流排的缺陷具有非常重要的实际意义。

发明内容

为了克服上述现有技术中存在的缺陷，本发明的目的是提供一种刚性汇流排缺陷检测方法及装置，其具有高效、高准确率的对汇流排的弯曲变形及擦伤等异常情况进行识别，对接触网的安全隐患检测，具有重大的安全意义和实际应用价值。

本发明的技术方案如下：

一种刚性汇流排缺陷检测方法，包括以下步骤：

S1、利用深度学习模型，从采集获得的汇流排图像中，定位感兴趣汇流排区域图像；

S2、滤除所述感兴趣汇流排区域图像的噪声；

S3、对滤除噪声后的感兴趣汇流排区域图像进行预处理，得到特征图，从所述特征图中提取出汇流排特征；

S4、根据提取出的所述汇流排特征，进行汇流排缺陷检测，所述汇流排缺陷检测包括汇流排弯曲变形检测和/或汇流排擦伤检测。

进一步地，所述步骤S1，包括：

S11、对采集获得的汇流排图像进行预处理，并进行YOLOV4模型训练；

S12、验证训练后的YOLOV4模型，以确定YOLOV4模型是否需要再训练；

S13、利用训练完成的YOLOV4模型，对汇流排进行定位，选出感兴趣汇流排区域图像，并输出所述感兴趣汇流排区域图像的坐标。其中，所述感兴趣汇流排区域图像的坐标，用以识别汇流排的位置。

进一步地，所述步骤S11中，对采集获得的汇流排图像进行预处理，并进行YOLOV4模型训练，详细步骤为：

S111、使用线阵相机或面阵相机采集得到汇流排图像；

S112、对采集得到的汇流排图像进行旋转、翻转和放大等处理，以增强汇流排图像数据；

S113、使用图片标注工具对汇流排图像进行标注，利用K（K=10）折交叉验证法将标注后的汇流排图像划分为训练集和验证集；

S114、对所述训练集进行训练，其中具体训练方式为使用YOLOV4目标检测算法进行YOLOV4模型训练，用于汇流排的定位。

进一步地，所述步骤S12中，验证训练后的YOLOV4模型，以确定YOLOV4模型是否需要再训练，具体为：通过验证集，验证上述步骤S11训练得到的YOLOV4模型定位准确率；