[发明专利]一种电气化铁路弓网燃弧视觉检测方法

说明书

本发明提供了一种电气化铁路弓网燃弧视觉检测方法，涉及计算机图形识别技术领域。首先对存在燃弧的弓网图像进行掩码标注，然后将标注后的图像作为多维特征融合分割网络的数据集对网路进行训练，分割网络采用深度卷积网络，由特征提取模块、多维特征融合模块和头模块构成，弓网图像通过分割网络进行前向推理，网络分割头子模块输出结果两倍上采样后所得特征图作为弓网图像的分割结果。在多维特征融合模块中加入深度可分离卷积与分组卷积，同通道注意力和空间注意力机制的加入使得网络更加关注燃弧区域特征，训练完成后该网络能够准确地检测出弓网图像中是否发生了燃弧现象，对模型进行在线学习及自适应切换也能够提高网络的准确性与鲁棒性。

技术领域

本发明涉及计算机图形图像识别技术领域。

技术背景

弓网系统是电气化铁路供电系统中的关键组成部分，确保弓网良好的受流性能是列车高速运行的重要安全保障，弓网燃弧是影响弓网间良好受流的一个重要因素。因此研究基于计算机视觉的弓网燃弧视觉检测算法，实现对弓网燃弧鲁棒得实时、准确检测，对于提高弓网检测系统的自动化、智能化水平和保证弓网系统的安全、稳定运行有重要的意义。

目前针对弓网燃弧检测主要有两类方法，一类是基于非视觉的方法，主要通过检测电流和电压信号的变化实现。但列车过电压或负载变化等原因，也会引起电流和电压信号的变化，容易导致误报。H.L.Lan等人认为燃弧声可以作为燃弧现象的检测参数，但是因为声音传感器很难区分电弧声和环境噪声，这种方法未被广泛采用。传统的弓网燃弧检测采用通过紫外传感器检测、红外热成像仪检测或者紫外成像仪检测的方法。代富强等人通过对弓网燃弧光谱的提取与分析，研制了基于特征紫外光和光子计数技术的弓网燃弧检测系统，但是由于紫外传感器检测易受到太阳光中的紫外光干扰，误报、漏报率非常大。胡怡等人基于红外图像和光谱诊断法，对降弓过程中弓网燃弧等离子体的温度以及受电弓滑板、接触线的温升情况进行了研究，但会出现由于弓网燃弧能量较低导致温度变化不明显而漏检的情况。

另一类弓网燃弧检测是基于视觉的方法，Ma等人利用基于离散小波的方法和基于霍夫变换的方法，从弓网图像中提取与磨损有关的特征来判断燃弧是否出现。Wang等人使用图像处理检测受电弓和悬链线接之间的接触点类确定弓网燃弧的存在。Ayudin等人提取摄像头中的一帧，然后通过检查受电弓边缘的接触线位置来检测弓网燃弧。Karakose等人将阈值方法应用于SDRAM(双口RAM)构造的图像矩阵来检测出燃弧，此外，他们还模拟了受电弓和接触网之间的相互作用，以及将当前状态分为三类：危险、安全和缺陷。上述研究主要采用从图像中提取与弓网关系特征，据此判断是否有燃弧发生，且没有针对单帧图像提取燃弧信息。

发明内容

本发明的目的是提供一种电气化铁路弓网燃弧视觉检测方法，它能够有效地实现弓网燃弧像素级分割，从而判别是否有燃弧现象发生。

本发明的目的是通过以下技术方案来实现的：一种电气化铁路弓网燃弧视觉检测方法，包括以下步骤：

步骤一：弓网燃弧数据集获取与制作

通过安装在电力机车车顶的摄像头采集图像生成分辨率为1920像素×1080像素的图像库，并对图像库中所有图片进行中央裁剪和尺度归一化处理，处理后的图像分辨率变换为512像素×512像素，所有处理后的图像组成原始数据集；通过程序自动筛选的方式过滤数据集中的噪声图像和冗余图像并保证数据集的均衡性和多样性，使用LabelMe标注工具标注出图像中的燃弧边界点并生成对应掩码，所有的图像及其掩码共同构成电气化铁路弓网燃弧数据集，数据集按照7:2:1的比例划分为训练集、测试集、验证集；

步骤二：多维特征融合分割网络构建

该网络包括特征提取模块、多维特征融合模块和头模块；