本文關(guān)鍵詞：基于圖像處理的接觸網(wǎng)絕緣子識別與破損檢測

  更多相關(guān)文章： 卷積神經(jīng)網(wǎng)絡 絕緣子識別 圖像識別 故障檢測

【摘要】：伴隨著我國鐵路建設以及運營事業(yè)的發(fā)展,鐵路運輸不僅承載著我國經(jīng)濟的命脈,而且采用電氣化的鐵路運輸,具備環(huán)保、高效的特點。尤其是近年來霧霾天氣嚴重影響我國各大城市,綠色出行成為一種趨勢。今年政府工作報告中提出堅決打好藍天保衛(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。鐵路的安全運營,需要牽引供電系統(tǒng)正常運行來提供保障,因此確保牽引供電系統(tǒng)的穩(wěn)定運行十分重要。由于我國鐵路里程較長,且大多處于室外環(huán)境中,所以單單靠人工巡檢已無法滿足鐵路的發(fā)展需求。近年來圖像識別技術(shù),尤其是深度學習和機器學習的快速發(fā)展,在圖像識別、圖像分類等領域取得了巨大突破。圖像技術(shù)的發(fā)展,也為非接觸式接觸網(wǎng)故障檢測,提供了新的思路。本文采用圖像處理和深度卷積網(wǎng)絡的方法,定位出圖像中絕緣子的位置,并采用圖像局部膨脹與動態(tài)閾值二值化相結(jié)合的算法,檢測絕緣子破損。由于目前對接觸網(wǎng)絕緣子研究比較分散,沒有現(xiàn)成的絕緣子樣本庫,用來訓練分類算法或者卷積神經(jīng)網(wǎng)絡,所以本文首先對12000張檢測車采集到的原始圖像數(shù)據(jù),進行標記和處理,并制作成不同尺度的正負樣本集。其次,訓練傳統(tǒng)的Adaboost級聯(lián)分類器和SVM分類器,使用訓練后獲得的模型對原始圖像中的絕緣子進行識別并截取。實驗表明該方法對絕緣子的識別率只有52.7%,無法達到對識別率的要求。在此基礎之上運用深度學習的方法,采用Caffe開源框架中的CafffeNet模型,并優(yōu)化模型參數(shù),然后使用訓練得到的模型文件,分類絕緣子。經(jīng)過測試發(fā)現(xiàn),該方法在測試時的識別率高達99.8%,這種識別率可以滿足對絕緣子識別的要求。最終使用該方法將識別出來的絕緣子,從原始圖片上截取下來并保存,用來檢測故障的絕緣子。最后采用模板匹配的算法和圖像局部膨脹與動態(tài)閾值的二值化處理相結(jié)合的方法,對絕緣子破損進行檢測試驗。對實驗結(jié)果對比發(fā)現(xiàn),采用圖像局部膨脹與動態(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緣子破損檢測困難的問題。
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張桂南;劉志剛;;基于角點匹配與譜聚類的接觸網(wǎng)絕緣子破損/夾雜異物故障檢測[J];儀器儀表學報;2014年06期

2 王偉旭;劉志剛;栗敏;張桂南;;基于曲波變換的高鐵絕緣子狀態(tài)檢測方法[J];電氣化鐵道;2013年06期

3 韓志偉;劉志剛;張桂南;楊紅梅;;非接觸式弓網(wǎng)圖像檢測技術(shù)研究綜述[J];鐵道學報;2013年06期

4 張桂南;劉志剛;韓燁;楊紅梅;;接觸網(wǎng)棒式絕緣子故障檢測的快速模糊匹配方法[J];鐵道學報;2013年05期

5 楊紅梅;劉志剛;韓志偉;韓燁;;基于仿射不變矩的電氣化鐵路絕緣子片間夾雜異物檢測[J];鐵道學報;2013年04期

6 韓志偉;劉志剛;楊紅梅;韓燁;;基于二代曲波系數(shù)形態(tài)學條帶能量法的絕緣子故障檢測[J];鐵道學報;2013年03期

7 劉志剛;;電氣化高速鐵路接觸網(wǎng)線譜研究[J];學術(shù)動態(tài);2009年02期

8 李大為;德國接觸網(wǎng)動態(tài)接觸壓力檢測及其缺陷判別技術(shù)淺析[J];鐵道標準設計;2005年08期

9 劉志剛,李德仁,秦前清,史文中;支持向量機在多類分類問題中的推廣[J];計算機工程與應用;2004年07期

10 劉杰;接觸網(wǎng)參數(shù)的非接觸檢測[J];電氣化鐵道;1998年02期

，

本文編號：1298047