[发明专利]基于非线性拟合的接触网运行异常状态智能检测方法

说明书

技术领域

本发明涉及计算机技术领域，具体涉及视觉计算技术领域和非线性拟合计算 方法中基于非线性拟合的接触网运行异常状态智能检测的方法。本发明将视觉计 算、计算机网络、有线/无线通信技术、非线性拟合方法、人工智能以及人机交 互有机地融合于一体，可对铁路接触网供电运行状态提供智能检测，用以提高接 触网检测工作效率和质量，为供电管理的信息自动化水平和工作效率的提升提供 新的、有效的科学技术方法。

背景技术

接触网安全巡检装置(2C)在检测接触网设备缺陷、保证供电设备安全方面发 挥着重要作用。然而，由于受技术设备等一系列因素的影响，目前的安全巡检装 置尚未能够实现异常状态的精确检测和迅速识别的功能。目前，针对接触网异常 状态检测，现有以下技术：

高仕斌申请的专利技术“一种基于DHOG和离散余弦变换的接触网平衡线故 障检测方法”(申请号：201510233946.7，申请公布号：CN104866865A)公开 了一种接触网平衡线故障检测方法。该方法通过使用离散余弦变换对平衡线及其 支座目标特征信息增强，再基于圆弧分段拟合进行圆形检测。该方法存在的不足 是，检测算法仅限于圆形统计，忽略了非线性等函数不确定的属性。

吴晓申请的专利技术“基于图像的铁路接触网鸟窝异常状态检测方法”(申 请号：201310721802.7，申请公布号：CN103745224A)公开了一种接触网异 常状态检测方案。该方案通过将提取的接触网直方图特征做基于直线方向和长度 分布特性的识别来实现对接触网鸟窝异常情况的检测。该方法存在的不足是，检 测需要满足鸟窝出现在接触网支柱主干区域周围的先验经验，即区域中包含主干 部分的像素大于阈值，并且需要进行负样本训练，而这里的负样本即鸟窝在接触 网出现的频率要远远小于正样本，降低训练的鲁棒性。

发明内容

为了克服上述现有技术存在的问题，本发明提出了基于非线性拟合的接触网 异常状态智能检测方法，该方法采用的技术方案是：利用车载高速摄像机采集列 车行进方向前方多个接触网的图像信息，通过对接触网状态图像进行预处理增强 图像的亮度和对比度，根据同类铁路段接触网的建设特点，采用机器学习技术对 高速摄像机拍摄的图像进行区域提取，并关注较清晰的几个接触网关键部件，通 过sobel算子检测出较清晰的接触网边缘信息图像并与Hough直线检测的结果图 进行“异或”操作，对“异或”操作后的图进行腐蚀运算获取较精确的疑似异常 状态边缘图，采用非线性拟合方法选取最佳拟合函数，判断可决系数检测出疑似 缺陷，最终利用人机交互筛选真正存在缺陷的接触网状态图像，解决了专职人员 对观测记录到的大量接触网运行图像数据进行回放分析，判读是否存在异常状 态，耗时耗力，不能及时发现设备缺陷等问题。

本发明实现的具体步骤如下：

(1)系统初始化

1a)利用车载高速摄像机采集待检测接触网的照片信息；

1b)将采集到的待检测接触网照片信息通过网络传输设备发送给铁路局监测中 心；

1c)将高速摄像机所采集的接触网状态照片缓存于数据库中；

(2)针对特殊气候和光照条件微弱的情况下，对接触网状态图像进行预处理， 增强图像的亮度和对比度；

(3)根据同类铁路段接触网的建设特点，使用机器学习的技术对高速摄像机拍 摄到的接触网关键部件，包括三角结构、主干区域和电线等区域进行区域提取：

3a)使用Haar-like特征，检测关键部件的矩形特征；

3b)使用积分图对Haar-like特征求值，遍历一次图像并快速求出图像中所有区 域像素；

3c)使用AdaBoost算法训练接触网关键部件的强分类器，将接触网关键部件从 原始图像中分离；

(4)对接触网的三角结构、主干区域和电线等较清晰的几个接触网关键部件区 域使用sobel边缘检测算子进行边缘提取，分别为边缘图I_T，I_M和I_W，对提取到边 缘图I_T，I_M和I_W进行Hough直线检测得到图I_TH,I_MH和I_WH；