基于圖像處理的接觸網(wǎng)絕緣子識(shí)別與破損檢測(cè).pdf

1、伴隨著我國(guó)鐵路建設(shè)以及運(yùn)營(yíng)事業(yè)的發(fā)展，鐵路運(yùn)輸不僅承載著我國(guó)經(jīng)濟(jì)的命脈，而且采用電氣化的鐵路運(yùn)輸，具備環(huán)保、高效的特點(diǎn)。尤其是近年來(lái)霧霾天氣嚴(yán)重影響我國(guó)各大城市，綠色出行成為一種趨勢(shì)。今年政府工作報(bào)告中提出堅(jiān)決打好藍(lán)天保衛(wèi)戰(zhàn)，這就更加體現(xiàn)了鐵路交通出行綠色環(huán)保的優(yōu)勢(shì)。鐵路的安全運(yùn)營(yíng)，需要牽引供電系統(tǒng)正常運(yùn)行來(lái)提供保障，因此確保牽引供電系統(tǒng)的穩(wěn)定運(yùn)行十分重要。由于我國(guó)鐵路里程較長(zhǎng)，且大多處于室外環(huán)境中，所以單單靠人工巡檢已無(wú)法滿足鐵路的發(fā)

2、展需求。近年來(lái)圖像識(shí)別技術(shù)，尤其是深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的快速發(fā)展，在圖像識(shí)別、圖像分類等領(lǐng)域取得了巨大突破。圖像技術(shù)的發(fā)展，也為非接觸式接觸網(wǎng)故障檢測(cè)，提供了新的思路。
　　本文采用圖像處理和深度卷積網(wǎng)絡(luò)的方法，定位出圖像中絕緣子的位置，并采用圖像局部膨脹與動(dòng)態(tài)閾值二值化相結(jié)合的算法，檢測(cè)絕緣子破損。由于目前對(duì)接觸網(wǎng)絕緣子研究比較分散，沒(méi)有現(xiàn)成的絕緣子樣本庫(kù)，用來(lái)訓(xùn)練分類算法或者卷積神經(jīng)網(wǎng)絡(luò)，所以本文首先對(duì)12000張檢測(cè)車采集到的

3、原始圖像數(shù)據(jù)，進(jìn)行標(biāo)記和處理，并制作成不同尺度的正負(fù)樣本集。
　　其次，訓(xùn)練傳統(tǒng)的Adaboost級(jí)聯(lián)分類器和SVM分類器，使用訓(xùn)練后獲得的模型對(duì)原始圖像中的絕緣子進(jìn)行識(shí)別并截取。實(shí)驗(yàn)表明該方法對(duì)絕緣子的識(shí)別率只有52.7％，無(wú)法達(dá)到對(duì)識(shí)別率的要求。在此基礎(chǔ)之上運(yùn)用深度學(xué)習(xí)的方法，采用Caffe開(kāi)源框架中的CaffeNet模型，并優(yōu)化模型參數(shù)，然后使用訓(xùn)練得到的模型文件，分類絕緣子。經(jīng)過(guò)測(cè)試發(fā)現(xiàn)，該方法在測(cè)試時(shí)的識(shí)別率高達(dá)99.8

4、％，這種識(shí)別率可以滿足對(duì)絕緣子識(shí)別的要求。最終使用該方法將識(shí)別出來(lái)的絕緣子，從原始圖片上截取下來(lái)并保存，用來(lái)檢測(cè)故障的絕緣子。
　　最后采用模板匹配的算法和圖像局部膨脹與動(dòng)態(tài)閾值的二值化處理相結(jié)合的方法，對(duì)絕緣子破損進(jìn)行檢測(cè)試驗(yàn)。對(duì)實(shí)驗(yàn)結(jié)果對(duì)比發(fā)現(xiàn)，采用圖像局部膨脹與動(dòng)態(tài)閾值的二值化相結(jié)合的方法具有較好的效果，能夠很好地區(qū)分出破損絕緣子。該方法可以為接觸網(wǎng)絕緣子故障的破損識(shí)別，提供一種基于圖像處理的解決思路，在一定程度上解決人工絕