基于OpenCV的接觸網(wǎng)定位線夾狀態(tài)智能檢測.pdf

1、接觸網(wǎng)支持懸掛裝置作為高速鐵路架空接觸網(wǎng)的核心部件，其狀態(tài)好壞直接決定著懸掛系統(tǒng)的穩(wěn)定性，影響著弓網(wǎng)受流質(zhì)量及列車運(yùn)行安全。定位線夾作為支持裝置和接觸線連接的關(guān)鍵懸掛部件，是電氣沖擊和機(jī)械應(yīng)力集中的部件之一，高速通過的受電弓對線夾的沖擊及振蕩會導(dǎo)致定位線夾出現(xiàn)螺母松動、脫落等不良狀態(tài)。一旦定位線夾故障，將直接影響牽引供電系統(tǒng)的安全性和可靠性。目前，現(xiàn)場推廣應(yīng)用的懸掛狀態(tài)檢測裝置集中于絕緣子故障檢測和定位器坡度檢測等方面，而定位線夾的檢測

2、卻采用人工巡檢和人工判讀圖片兩種方式，效率及準(zhǔn)確率低下。針對定位線夾不良狀態(tài)的檢測尚無實際應(yīng)用的問題，論文開展了針對定位線夾巡檢圖像的智能檢測算法的研究。
　　本文以接觸網(wǎng)懸掛狀態(tài)檢測監(jiān)測裝置（4C裝置）得到的巡檢圖像作為檢測對象，研究分析了圖像處理技術(shù)在接觸網(wǎng)幾何參數(shù)、定位器坡度、絕緣子故障識別的應(yīng)用，提出了基于圖像處理的接觸網(wǎng)定位線夾的目標(biāo)識別及狀態(tài)檢測方法，完成了系統(tǒng)設(shè)計和用戶界面開發(fā)，實現(xiàn)了狀態(tài)智能檢測和缺陷預(yù)警，并通過對

3、實際線路數(shù)據(jù)檢測驗證了該方法的實用性和通用性。
　　論文首先對檢測圖像進(jìn)行預(yù)處理，實現(xiàn)圖像去噪，增強(qiáng)及分割;然后基于結(jié)構(gòu)特征和機(jī)器學(xué)習(xí)的方法實現(xiàn)目標(biāo)的識別與提取;最后對定位線夾區(qū)域局部圖像處理分析，實現(xiàn)其缺陷狀態(tài)識別及預(yù)警。
　　在定位線夾目標(biāo)識別中，基于Hough變換和形態(tài)學(xué)處理實現(xiàn)了支持結(jié)構(gòu)線段檢測及合并，通過在線段端點(diǎn)區(qū)域檢測結(jié)構(gòu)特征提取候選區(qū)域，在候選區(qū)域內(nèi)基于機(jī)器學(xué)習(xí)實現(xiàn)了定位線夾目標(biāo)識別與定位。
　　在定位

4、線夾狀態(tài)檢測中，通過提取定位器下邊緣和最大極值穩(wěn)定區(qū)域算法實現(xiàn)各螺母區(qū)域的初定位和精定位，并采用高寬比、矩形度和像素統(tǒng)計三個特征值組合的方法判定螺母狀態(tài)，實現(xiàn)定位線夾缺陷狀態(tài)的識別與預(yù)警。
　　最后，基于Microsoft Visual Studio平臺與OpenCV計算機(jī)視覺庫完成了定位線夾狀態(tài)智能檢測算法和用戶界面的開發(fā)，并對多條實際線路不同條件下接觸網(wǎng)懸掛狀態(tài)檢測監(jiān)測裝置的巡檢圖像進(jìn)行測試，驗證了本文設(shè)計的定位線夾狀態(tài)智能檢