[发明专利]基于3D成像技术的接触网分段绝缘器识别方法和装置

说明书

本发明公开了基于3D成像技术的接触网分段绝缘器识别方法和装置，方法包括采集接触网分段绝缘器的点云数据；对采集的点云数据进行预处理；将预处理后的点云数据转换为三维矩阵；将三维矩阵作为训练集，输入到卷积神经网络中进行模型训练；对训练完成后的卷积神经网络模型进行测试，如果测试结果满足要求，则输出模型进行分段绝缘器识别，否则继续训练。本发明采用深度卷积神经网络，对接触网分段绝缘器进行智能化识别，提高了识别效率和精度。

技术领域

本发明属于接触网绝缘器识别技术领域，具体涉及一种基于3D成像技术的接触网分段绝缘器识别方法和装置。

背景技术

分段绝缘器是接触网进行电分段时采用的一种绝缘设备，当某一处接触网分段发生故障时，打开分段绝缘器处的隔离开关将该部分接触网断电，其他部分正常供电，提高了接触网运行的可靠性和灵活性。由于电压差，安装缺陷以及受电弓磨损等原因，列车通过分段绝缘器时可能产生燃弧现象从而对分段绝缘器和接触网造成损伤，严重时会导致电力机车受电弓发生打弓，因此，对分段绝缘器的故障检测和识别直接影响电力机车运行安全。

目前，对分段绝缘器进行检测与识别的方法主要包括多点检测方法和在线监测方法，通过在分段绝缘器上的滑道连接线夹处，接触线连接线夹处等多个点处进行检测，以识别分段绝缘器的位置信息，从而判断是否为分段绝缘器；在线监测方法使用相机连续拍照，取固定帧数的图像进行人工查看，判断是否为分段绝缘器，效率较低。

发明内容

为了解决现有分段绝缘器识别技术存在效率低的问题，本发明提供了一种基于3D成像技术的接触网分段绝缘器识别方法。本发明采用深度卷积神经网络，对接触网分段绝缘器进行智能化识别，提高了识别效率和精度。

本发明通过下述技术方案实现：

基于3D成像技术的接触网分段绝缘器识别方法，包括：

采集接触网分段绝缘器的点云数据；

对采集的点云数据进行预处理；

将预处理后的点云数据转换为三维矩阵；

将三维矩阵作为训练集，输入到卷积神经网络中进行模型训练；

对训练完成后的卷积神经网络模型进行测试，如果测试结果满足要求，则输出模型进行分段绝缘器识别，否则继续训练。

优选的，本发明的预处理过程具体包括：

对采集的点云数据进行去噪处理；

对去噪处理后的点云数据进行降采样处理，以保证数据点数一致。

优选的，本发明的去噪处理具体采用KNN算法进行聚类，去掉噪声点；

所述降采样处理具体为：选择预设大小的矩形窗口，并将该矩形窗口划分为相同大小的小窗口，每个窗口取一个点，用平均值代替整个小窗口的点。

优选的，本发明的将预处理后的点云数据转换为三维矩阵步骤具体包括：

分别以X、Y、Z轴进行数据划分，将数据划分为X×Y×1，Y×Z×1，X×Z×1三个矩阵；

将三个矩阵通过维度进行拼接，得到W×H×3的三维矩阵；其中，W和H分别表示三维矩阵的宽度和高度。

优选的，本发明的模型训练过程具体包括：

将三维矩阵进行归一化处理，将数据统一映射到[0,1]区间上；

将归一化处理后得到的数据集划分为训练集和测试集；

采用训练集对ResNet-18卷积神经网络模型进行训练。

优选的，本发明的测试过程具体包括：