[发明专利]基于机器视觉的受电弓磨耗值和受电弓异常实时检测方法

说明书

基于机器视觉的受电弓磨耗值和受电弓异常实时检测方法，包括以下步骤：S1、检测系统实时检测检测栅内有没有待检测车辆，当没有待检测车辆时，检测系统处于待机状态；S2、当列车进入待检区域时，检测系统以及传感器启动开始工作；S3、传感器监测到列车进入指定区域后，工业相机拍摄碳滑板提取图像数据；S4、当传感器检测到列车离开后将采集到的图像反馈到图像处理系统中，进行图像分析处理；S5、对受电弓碳滑板健康状况特征提取、分析；若判断受电弓碳滑板健康状况出现问题，发出警报，若判断受电弓碳滑板健康状况无问题，则系统正常工作；S6、完成检测。该方法能够及时发现受电弓常见故障，保障弓网安全并为受电弓维修和保养提供依据。

技术领域

本发明属于机器视觉检测技术领域，尤其涉及一种基于机器视觉的受电弓磨耗值和受电弓异常实时检测方法。

背景技术

目前国内城市轨道交通尚处于发展时期，关于受电弓检测的方法仍以人工登顶手动检测作为主要的检测手段，人工检测需要列车回库并将接触网断电才可进行，人工登顶检测。受电弓检测作为车辆日检中的一项检测内容，日检过程仅观察羊角是否丢失，羊角托架是否有撞击缺口滑板是否发生严重偏磨、磨损或是否有裂纹、表面磨耗值、以及是否出现因局部过热而产生的烧焦现象等，而受电弓滑板剩余厚度的检测则一般是安排在车辆月检中。受电弓故障检测的准确性及检测精度主要依靠工人操作的熟练度，并且是否对滑板进行打磨或更换滑板基本依据工人的经验。另外，在受电弓滑板剩余厚度的检测中，每次仅测量滑板剩余磨耗的最低点及其他几个可疑位置处的厚度，无法获得整个滑板磨耗曲线，更无法根据每次检测结果绘制历史磨耗曲线用于受电弓滑板磨巧趋势评估。因此，人工检测电弓故障具有检测效率低，检测精度差，不利于受电弓保养和维护且不能对受电弓异常情况进行有效监控，不能较好地适应铁路的高速发展。

受电弓作为列车从接触网受取电流的重要装置，其状态好坏直接关系着轨道列车的安全运行。随着自动化在线检测技术的快速发展，城轨列车的关键设备检测也逐渐向自动化、智能化、网络化的方向发展。为避免受电弓滑板磨耗或弓头损坏引发的弓网事故，亟待需要一种基于机器视觉的受电弓磨耗值和受电弓异常实时检测方法。

发明内容

为避免受电弓滑板磨耗或弓头损坏引发的弓网事故的问题，为此，本发明提出了基于机器视觉的受电弓磨耗值和受电弓异常实时检测方法，具体方案如下：

基于机器视觉的受电弓磨耗值和受电弓异常实时检测方法，包括以下步骤：

S1、检测系统实时检测检测栅内有没有待检测车辆，当没有待检测车辆时，检测系统处于待机状态，当检测到有车辆时进入步骤S2；

S2、当列车进入待检区域时，检测系统以及传感器启动开始工作；

S3、传感器监测到列车进入指定区域后，工业相机拍摄碳滑板提取图像数据；提取的图像数据包括受电弓碳滑板区域图像、受电弓中心线区域图像、受电弓羊角区域图像与受电弓表面裂纹图像中的一种或多种；

S4、当传感器检测到列车离开后将采集到的图像反馈到图像处理系统中，进行图像分析处理；图像分析处理包括对于滑板磨耗图像的分析处理、对于中心线偏移图像的分析处理、对于羊角缺失图像的分析处理与对于受电弓表面裂纹图像的分析处理中的一项或多项；

S5、对受电弓碳滑板健康状况特征提取、分析；若判断受电弓碳滑板健康状况出现问题，发出警报，若判断受电弓碳滑板健康状况无问题，则系统正常工作；

S6、完成检测。

具体地说，步骤S2中传感器包括光电传感器与车轮轴位传感器。

具体地说，步骤S4中对于滑板磨耗图像的分析处理步骤如下：

S4A1、对磨耗相机采集的半弓图像进行畸变矫正、初步裁剪和高斯滤波预处理；

S4A2、通过行投影变换的方法进行滑板定位，确定检测区域；