[发明专利]一种基于图像处理的高铁接触网绝缘子异常检测方法

说明书

本发明公开了一种基于图像处理的高铁接触网绝缘子异常检测方法，以接触网高清灰度图像为研究对象，在利用深度学习技术实现对绝缘子区域的检测和分类的基础上，对截取的绝缘子图片进行处理和分析，判断绝缘子是否异常。所述的方法主要包括：对待处理的图像进行预处理；绝缘子边缘检测；通过检测绝缘子区域和边缘的形状特征判定故障。本发明能够有效的对接触网绝缘子进行故障检测，算法的计算量小，由于在图像预处理过程中针对实例中存在的干扰加入了相应的图像处理算法，从而保障了故障检测的准确率。漏检率在1％以下，故障检测准确率在97％以上，均符合实际工程需要。本发明尤其对负样本不足的基于图像处理的故障检测提供了一个可行的方案。

技术领域

本发明属于图像处理与分析技术领域，具体涉及一种接触网绝缘子异常检测方法。

背景技术

接触网是电气化输电线路建设中的重要部分，它通过沿线支柱设备架设在铁路沿线线路。电力机车主要通过接触网传输获得运行所需要的电能，因此时刻保证接触网良好的工作状态至关重要。在接触网系统中，绝缘子是除机械支架之外悬挂装置中重要部件之一，一方面使接触网带电导体之间有足够的距离，另一方面让带电导体与大地之间保证绝缘。由于绝缘子工作环境需要长期暴露在大气环境中，还需长期经受强电场和强机械应力，出现故障的几率较大，绝缘子难免会产生不同程度的破损。绝缘子瓷体发生破损会降低其绝缘强度，如果长时间不被发现并且得不到更换，将会导致瓷瓶断裂而引发电路中其他不可预知的故障。而目前，传统的人工检测效率低、工作强度大、危险系数高，电场法不能检测一些不影响电场的外绝缘缺陷，这些检测方法都不具备一定的实用性。在保证电力机车安全运行的同时，提高检测效率实现智能化巡检对于逐渐增多的铁路里程显得尤为重要，因此，研究智能巡检技术在未来铁路发展中具有重要意义。

近年来，随着数字图像处理技术和机器学习技术的发展，计算机视觉技术已被广泛应用于各种物体检测和工业故障检测的任务中。故本发明基于计算机视觉技术提出一种接触网绝缘子故障检测方法，通过基于深度学习的目标检测算法，对工业相机拍摄到的接触网区域内超高清视频和图片中的绝缘子实现目标检测和分类，进而通过计算机视觉技术对检测到的绝缘子提取边缘的几何特征和区域的纹理特征，最后通过机器学习的分类算法和边缘跟踪检测算法实现故障的诊断。本发明将有助于绝缘子缺陷的非接触、在线监测的实现，为接触网悬挂装置的故障诊断提供了新思路。具有重要的科学意义和实际应用价值。

发明内容

本发明的目的是提供一种基于图像处理的高铁接触网绝缘子异常检测方法，能高效的识别接触网绝缘子是否存在故障。包括以下步骤：

步骤(1)：通过接触网悬挂状态检测装置拍摄接触网区域，得到接触网支撑装置的图像，筛选出图像中有绝缘子的作为研究样本，并把这些图像制作成带有标签的数据。

步骤(2)：根据各张图像制作绝缘子检测训练样本，再把这些样本放到深度卷积网络中训练得到绝缘子目标检测模型。

步骤(3)：通过目标检测模型检测待处理的测试图像，得到绝缘子区域并截取该区域。

步骤(4)：对截取的绝缘子区域进行滤波预处理；

考虑到研究图像存在噪声的情况，首先对图像进行中值滤波，中值滤波就是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，它的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。

预先对绝缘子图像进行方向校正，并以此得到绝缘子的尺寸，具体的步骤如下：对绝缘子进行Otsu阈值分割，Otsu方法是使阈值被选择出来的可能性最大，把图像分割成目标和背景；分别计算二值图像在0°、45°、90°、135°方向上的投影宽度，再用二分法查找得到最小的投影宽度，并得到校正角度，其算法流程如下：

1)设三个变量a，mid，b分别指向角度值的左端点，中间，右端点，在其角度方向上的投影宽度分别表示为f(a)，f(mid)，f(b)；