(19)國家知識產(chǎn)權(quán)局(10)申請公布號CN120088259A(71)申請人成都盛鍇科技有限公司地址610091四川省成都市青羊區(qū)文家路389號5棟(72)發(fā)明人楊凱梁斌高春良(74)專利代理機構(gòu)成都市集智匯華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)51237專利代理師李華(54)發(fā)明名稱一種接觸網(wǎng)附屬部件異常情況檢測方法及系統(tǒng)(57)摘要本發(fā)明涉及列車檢修技術(shù)領(lǐng)域，公開了一種接觸網(wǎng)附屬部件異常情況檢測方法及系統(tǒng)。方法包括：高速抓拍接觸網(wǎng)附屬部件圖像，形成拍攝圖像集，加載區(qū)域定位算法模型和缺陷識別模型；將圖片進行預(yù)處理；采用所述區(qū)域定位算法模型提取圖片特征信息后，回歸分類獲取部件可能出現(xiàn)的位置和置信度的值；將部件進行缺陷識差圖像的灰度處理與比對，判斷缺陷存在情況。本發(fā)明實現(xiàn)了圖像抓拍而非視頻采集逐幀分析，減少了數(shù)據(jù)量，同時提高了對相機的采集性能要21.一種接觸網(wǎng)附屬部件異常情況檢測方法，其特征定位接觸網(wǎng)懸掛支撐位置，高速抓拍接觸網(wǎng)附屬部件的正反兩面圖像，并將采集到的圖像按照安裝位置的標(biāo)識進行分類入庫，形成拍攝圖像集；將默認(rèn)模型初始化，加載區(qū)域定位算法模型和缺陷識別模型；并檢索關(guān)于附屬部件異采用所述區(qū)域定位算法模型提取圖片特征信息后，回歸分類獲取部件可能出現(xiàn)的位置和置信度的值；將部件可能出現(xiàn)的位置區(qū)域過濾后輸入缺陷識別算法模型，同時將原輸入圖像輸入到生成器并得到重構(gòu)圖像，然后計算殘差形成的殘差圖像；對殘差圖像的灰度進行平均值和方差進行計算，將計算結(jié)果與預(yù)設(shè)閾值進行比對，判斷缺陷存在情況。2.根據(jù)權(quán)利要求1所述的一種接觸網(wǎng)附屬部件異常情況檢測方法，其特征在于，所述檢索關(guān)于附屬部件異常的圖片，將圖片進行預(yù)處理包括：將圖像轉(zhuǎn)換為灰度圖后，通過全局直方圖均衡化提高目標(biāo)亮度、通過自適應(yīng)直方圖均衡化整體提升亮度、通過限制對比度直方圖均衡化：在抑制噪聲的同時增強圖像對比度；其中，所述限制對比度直方圖均衡化包括：將圖像劃分為預(yù)設(shè)尺寸的小塊，對每個小塊執(zhí)行直方圖均衡化和裁剪處理，通過映射函數(shù)調(diào)整中心點灰度值后，分區(qū)域計算灰度值以完成增強處理。3.根據(jù)權(quán)利要求1所述的一種接觸網(wǎng)附屬部件異常情況檢測方法，其特征在于，所述采用所述區(qū)域定位算法模型提取圖片特征信息后，回歸分類獲取部件可能出現(xiàn)的位置和置信采用區(qū)域定位算法模型，從車載檢測灰度圖中提取接觸網(wǎng)附屬部件的特征信息；將灰度圖劃分為預(yù)設(shè)個數(shù)的子塊；以每個子塊為中心，確定預(yù)測框數(shù)量，并對預(yù)測框內(nèi)的物體進行分類預(yù)測；優(yōu)化預(yù)測框，建立自動識別網(wǎng)絡(luò)，輸入圖像后生成預(yù)設(shè)尺寸的張量；使用損失函數(shù)對預(yù)測的目標(biāo)置信度和實際值進行比較，優(yōu)化網(wǎng)絡(luò)的識別準(zhǔn)確率；通過目標(biāo)檢測與分類，確定附屬部件的位置和置信度。4.根據(jù)權(quán)利要求3所述的一種接觸網(wǎng)附屬部件異常情況檢測方法，其特征在于，所述將部件可能出現(xiàn)的位置區(qū)域過濾，包括將部件區(qū)域用NMS進行過濾，濾掉背景區(qū)域結(jié)果后并將結(jié)果用圖像算法過濾掉質(zhì)量不符合要求的結(jié)果，其采用如下方法實現(xiàn)：使用非極大值抑制對檢測出的部件區(qū)域進行過濾，去除背景區(qū)域和冗余檢測框；利用圖像算法進一步過濾掉質(zhì)量不符合要求的檢測框，確保檢測結(jié)果的準(zhǔn)確性和可靠對所有檢測框按得分排序，選擇得分最高的檢測框；計算得分最高的檢測框與其他檢測框的交并比；對交并比超過設(shè)定閾值的檢測框，進行抑制；重復(fù)上述步驟，直到只剩下沒有明顯重疊的檢測框；每個目標(biāo)僅保留一個高置信度檢測框。5.根據(jù)權(quán)利要求1所述的一種接觸網(wǎng)附屬部件異常情況檢測方法，其特征在于，若判斷3有缺陷，給出缺陷的類型和位置信息，并回溯到上述置信度，進行覆蓋。6.一種接觸網(wǎng)附屬部件異常情況檢測系統(tǒng)，其特征在于，包括：高清圖像采集模塊、車載控制分析模塊與地面分析中心；所述高清圖像采集模塊安裝在檢測車車頂，用于對接觸網(wǎng)懸掛支撐裝置進行高清圖像采集；所述車載控制分析模塊安裝于檢測車車內(nèi)，用于對高清圖像采集數(shù)據(jù)進行收集和分所述地面分析中心安裝于分析室內(nèi)，用于對圖像數(shù)據(jù)進行異常分析并監(jiān)控報警。7.根據(jù)權(quán)利要求6所述的一種接觸網(wǎng)附屬部件異常情況檢測系統(tǒng)，其特征在于，所述高清圖像采集模塊通過多個車頂相機構(gòu)建形成，其包括：全景高清相機、高清相機、隧道外桿號識別相機、隧道內(nèi)桿號識別相機、線夾導(dǎo)線吊弦拍攝高清相機、連續(xù)視頻監(jiān)控相機；以及，雷達(dá)測速模塊與GPS定位模塊。8.根據(jù)權(quán)利要求6所述的一種接觸網(wǎng)附屬部件異常情況檢測系統(tǒng)，其特征在于，所述車載控制分析模塊用于設(shè)備供電、相機觸發(fā)、數(shù)據(jù)存儲與數(shù)據(jù)分析，其包括：機柜、采集計算機、控制計算機、多功能控制箱、電源箱以及不間斷電源。9.根據(jù)權(quán)利要求6所述的一種接觸網(wǎng)附屬部件異常情況檢測系統(tǒng)，其特征在于，所述地面分析中心包括地面分析管理平臺以及缺陷識別系統(tǒng)，所述地面分析管理平臺采用B/S結(jié)構(gòu)架設(shè)。10.根據(jù)權(quán)利要求6所述的一種接觸網(wǎng)附屬部件異常情況檢測系統(tǒng)，其特征在于，所述車載控制分析模塊的圖像分析包括：裂紋檢測、異物檢測、緊固環(huán)螺母丟失松動檢測、套件螺栓冒出檢測。4技術(shù)領(lǐng)域[0001]本發(fā)明涉及列車檢修技術(shù)領(lǐng)域，具體而言，涉及一種接觸網(wǎng)附屬部件異常情況檢測方法及系統(tǒng)。背景技術(shù)[0002]城市軌道交通基礎(chǔ)設(shè)施安全監(jiān)測是重要一環(huán)，接觸網(wǎng)懸掛監(jiān)測裝置安裝通常安裝在接觸網(wǎng)檢測車、作業(yè)車或者其他專用軌道車輛上，通過非接觸方式動態(tài)監(jiān)測接觸網(wǎng)懸掛系統(tǒng)并實現(xiàn)整體高分辨率成像。傳統(tǒng)的布局及相機類型存在以下問題：傳統(tǒng)接觸網(wǎng)附屬部件檢測系統(tǒng)布局中多采用視頻連續(xù)采集且逐幀分析的方式，容易造成數(shù)據(jù)量大且積壓的問題，導(dǎo)致采集異常；相機類型中多以面陣高清且無法抗陽光干擾，在整體檢測適應(yīng)性方面略顯不足，特別是針對戶外運營車輛的監(jiān)測需求；傳統(tǒng)的目標(biāo)檢測算法采用當(dāng)前和歷史對比等方式識別異物或異常，該方式存在一定的誤報，原因是無法確定歷史數(shù)據(jù)的真實有效性及環(huán)境復(fù)雜的變化多樣性。發(fā)明內(nèi)容[0003]有鑒于此，本發(fā)明提供一種接觸網(wǎng)附屬部件異常情況檢測方法及系統(tǒng)，以解決上述問題。[0004]為解決以上技術(shù)問題，本發(fā)明提供了一種接觸網(wǎng)附屬部件異常情況檢測方法，包定位接觸網(wǎng)懸掛支撐位置，高速抓拍接觸網(wǎng)附屬部件的正反兩面圖像，并將采集到的圖像按照安裝位置的標(biāo)識進行分類入庫，形成拍攝圖像集；將默認(rèn)模型初始化，加載區(qū)域定位算法模型和缺陷識別模型；并檢索關(guān)于附屬部采用區(qū)域定位算法模型提取圖片特征信息后，回歸分類獲取部件可能出現(xiàn)的位置和置信度的值；將部件可能出現(xiàn)的位置區(qū)域過濾后輸入缺陷識別算法模型，同時將原輸入圖像輸入到生成器并得到重構(gòu)圖像，然后計算殘差形成的殘差圖像；對殘差圖像的灰度進行平均值和方差進行計算，將計算結(jié)果與預(yù)設(shè)閾值進行比[0005]作為一種可選方式，檢索關(guān)于附屬部件異常的圖片，將圖片進行預(yù)處理包括：將圖像轉(zhuǎn)換為灰度圖后，通過全局直方圖均衡化提高目標(biāo)亮度、通過自適應(yīng)直方圖均衡化整體提升亮度、通過限制對比度直方圖均衡化：在抑制噪聲的同時增強圖像對比將圖像劃分為預(yù)設(shè)尺寸的小塊，對每個小塊執(zhí)行直方圖均衡化和裁剪處理，通過映射函數(shù)調(diào)整中心點灰度值后，分區(qū)域計算灰度值以完成增強處理。5[0006]作為一種可選方式，采用區(qū)域定位算法模型提取圖片特征信息后，回歸分類獲取部件可能出現(xiàn)的位置和置信度的值，包括：采用區(qū)域定位算法模型，從車載檢測灰度圖中提取接觸網(wǎng)附屬部件的特征信息；將灰度圖劃分為預(yù)設(shè)個數(shù)的子塊；以每個子塊為中心，確定預(yù)測框數(shù)量，并對預(yù)測框內(nèi)的物體進行分類預(yù)測；優(yōu)化預(yù)測框，建立自動識別網(wǎng)絡(luò)，輸入圖像后生成預(yù)設(shè)尺寸的張量；使用損失函數(shù)對預(yù)測的目標(biāo)置信度和實際值進行比較，優(yōu)化網(wǎng)絡(luò)的識別準(zhǔn)確率；通過目標(biāo)檢測與分類，確定附屬部件的位置和置信度。[0007]作為一種可選方式，將部件可能出現(xiàn)的位置區(qū)域過濾，包括將部件區(qū)域用NMS進行過濾，濾掉背景區(qū)域結(jié)果后并將結(jié)果用圖像算法過濾掉質(zhì)量不符合要求的結(jié)果，其采用如下方法實現(xiàn)：使用非極大值抑制對檢測出的部件區(qū)域進行過濾，去除背景區(qū)域和冗余檢測框；利用圖像算法進一步過濾掉質(zhì)量不符合要求的檢測框，確保檢測結(jié)果的準(zhǔn)確性和非極大值抑制包括：對所有檢測框按得分排序，選擇得分最高的檢測框；計算得分最高的檢測框與其他檢測框的交并比；對交并比超過設(shè)定閾值的檢測框，進行抑制；重復(fù)上述步驟，直到只剩下沒有明顯重疊的檢測框；每個目標(biāo)僅保留一個高置信度檢測框。[0008]作為一種可選方式，若判斷有缺陷，給出缺陷的類型和位置信息，并回溯到上述置信度，進行覆蓋。[0009]另一方面，本發(fā)明還提供了一種接觸網(wǎng)附屬部件異常情況檢測系統(tǒng)，包括：高清圖像采集模塊、車載控制分析模塊與地面分析中心；高清圖像采集模塊安裝在檢測車車頂，用于對接觸網(wǎng)懸掛支撐裝置進行高清圖像采集；地面分析中心安裝于分析室內(nèi)，用于對圖像數(shù)據(jù)進行異常分析并監(jiān)控報警。[0010]作為一種可選方式，高清圖像采集模塊通過多個車頂相機構(gòu)建形成，其包括：全景高清相機、高清相機、隧道外桿號識別相機、隧道內(nèi)桿號識別相機、線夾導(dǎo)線吊弦拍攝高清相機、連續(xù)視頻監(jiān)控相機；以及，雷達(dá)測速模塊與GPS定位模塊。[0011]作為一種可選方式，車載控制分析模塊用于設(shè)備供電、相機觸發(fā)、數(shù)據(jù)存儲與數(shù)據(jù)機柜、采集計算機、控制計算機、多功能控制箱、電源箱以及不間斷電源。[0012]作為一種可選方式，地面分析中心包括地面分析管理平臺以及缺陷識別系統(tǒng)，地面分析管理平臺采用B/S結(jié)構(gòu)架設(shè)。[0013]作為一種可選方式，車載控制分析模塊的圖像分析包括：裂紋檢測、異物檢測、緊6固環(huán)螺母丟失松動檢測、套件螺栓冒出檢測。[0014]本發(fā)明的有益效果為：本發(fā)明實現(xiàn)了圖像抓拍而非視頻采集逐幀分析，減少了數(shù)據(jù)量，同時提高了對相機的采集性能要求。在基于當(dāng)前和歷史對比的基礎(chǔ)上建立完備的數(shù)據(jù)集，更換訓(xùn)練模型的特征，提高泛化性。附圖說明[0015]圖1為本發(fā)明實施例提供的接觸網(wǎng)附屬部件異常情況檢測方法流程示意圖。具體實施方式[0016]為了使本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明的技術(shù)方案，下面結(jié)合具體實施方式對本發(fā)明作進一步的詳細(xì)說明。[0017]請參閱圖1,本實施例提供了一種接觸網(wǎng)附屬部件異常情況檢測方法，包括：定位接觸網(wǎng)懸掛支撐位置，高速抓拍接觸網(wǎng)附屬部件的正反兩面圖像，并將采集到的圖像按照安裝位置的標(biāo)識進行分類入庫，形成拍攝圖像集；將默認(rèn)模型初始化，加載區(qū)域定位算法模型和缺陷識別模型；并檢索關(guān)于附屬部件異常的圖片，將圖片進行預(yù)處理；采用區(qū)域定位算法模型提取圖片特征信息后，回歸分類獲取部件可能出現(xiàn)的位置和置信度的值；將部件可能出現(xiàn)的位置區(qū)域過濾后輸入缺陷識別算法模型，同時將原輸入圖像輸入到生成器并得到重構(gòu)圖像，然后計算殘差形成的殘差圖像；對，判斷缺陷存在情況。[0018]接觸網(wǎng)附屬部件經(jīng)常會被陽光直曬，當(dāng)軌道車輛高速行駛時，由于天氣變化，導(dǎo)致圖像整體灰度值與對比度進一步降低。或者說圖像中存在附屬部件的某一區(qū)域和背景融合在一起，導(dǎo)致灰度值降低，如設(shè)備處于光照不足或者是陰影區(qū)域時，會增加提取目標(biāo)特征的難度?；诖耍A(yù)處理手段則是降低上述影響。預(yù)處理前期需要將圖像轉(zhuǎn)換成單通道的灰度圖像，而車載接觸網(wǎng)檢測系統(tǒng)輸出的即是灰度圖，無需轉(zhuǎn)換。預(yù)處理算法中：全局直方圖均衡化讓目標(biāo)變得最為明亮；自適應(yīng)直方圖均衡化讓整體圖像變亮，且出現(xiàn)噪聲；限制對比度直方圖均衡化對噪聲抑制效果更好。限制對比度直方圖均衡具體做法則是將含有附屬部件的圖片進行區(qū)塊劃分，通常是將圖像分為8×8個子塊，再對每個子塊執(zhí)行映射函數(shù)(直方圖均衡化和直方圖裁剪算法),然后令該子塊中心點c的灰度值由映射函數(shù)得到，最后分區(qū)域進行計算灰度值。作為一種可選方式，本實施例檢索關(guān)于附屬部件異常的圖片，將圖片進行預(yù)處理包括：將圖像轉(zhuǎn)換為灰度圖后，通過全局直方圖均衡化提高目標(biāo)亮度、通過自適應(yīng)直方圖均衡化整體提升亮度、通過限制對比度直方圖均衡化：在抑制噪聲的同時增強圖像對比度；其中，限制對比度直方圖均衡化包括：將圖像劃分為8×8的小塊，對每個小塊執(zhí)行直方圖均衡化和裁剪處理，通過映射函數(shù)調(diào)整中心點灰度值后，分區(qū)域計算灰度值以完成增7強處理。[0019]作為一種可選方式，采用所述區(qū)域定位算法模型提取圖片特征信息后，回歸分類獲取部件可能出現(xiàn)的位置和置信度的值，包括：將含有接觸網(wǎng)附屬部件的車載檢測灰度圖進行網(wǎng)格劃分(等分成S×S個子塊),以每個子塊為中心確定B個預(yù)測框，對預(yù)測框內(nèi)的物體進行分類預(yù)測，同時和實際目標(biāo)框進行IoU計算，通過非極大值抑制方法選出最優(yōu)預(yù)測框。建立自動識別網(wǎng)絡(luò)并基于接觸網(wǎng)附屬部件進行目標(biāo)檢測，網(wǎng)絡(luò)將輸入圖像轉(zhuǎn)化為S×S×[B(4+1)+C]的張量，其中S等于7,B等于2,C為目標(biāo)類別等于20,B(4+1)表示邊框四個坐標(biāo)以及框內(nèi)是否有目標(biāo)的5維向量。經(jīng)過訓(xùn)練后以損失函數(shù)中的檢測目標(biāo)物的置信度的預(yù)測值和實際數(shù)值來標(biāo)定置信度，即識別的準(zhǔn)確率。[0020]將獲取部件可能出現(xiàn)的位置區(qū)域過濾，包括將得到的部件區(qū)域用NMS進行過濾，濾掉背景區(qū)域結(jié)果后并將結(jié)果用圖像算法過濾掉質(zhì)量不符合要求的結(jié)果，其采用如下方法實使用非極大值抑制對檢測出的部件區(qū)域進行過濾，去除背景區(qū)域和冗余檢測框；利用圖像算法進一步過濾掉質(zhì)量不符合要求的檢測框，確保檢測結(jié)果的準(zhǔn)確性和對所有檢測框按得分排序，選擇得分最高的檢測框；計算得分最高的檢測框與其他檢測框的交并比；對交并比超過設(shè)定閾值的檢測框，進行抑制；重復(fù)上述步驟，直到只剩下沒有明顯重疊的檢測框；每個目標(biāo)僅保留一個高置信度檢測框。[0021]具體而言，實際通過訓(xùn)練完成的含接觸網(wǎng)附屬部件的檢測框有很多，這些框均是檢測同一個目標(biāo)，但最終每個目標(biāo)只需要一個檢測框，NMS選擇那個得分最高的檢測框(假設(shè)是C),再將C與剩余框計算相應(yīng)的IOU值，當(dāng)IOU值超過所設(shè)定的閾值(普遍設(shè)置為0.5,目標(biāo)檢測中常設(shè)置為0.7),即對超過閾值的框進行抑制，抑制的做法是將檢測框的得分設(shè)置為0,如此一輪過后，在剩下檢測框中繼續(xù)尋找得分最高的，再抑制與之IOU超過閾值的框，直到最后會保留幾乎沒有重疊的框。這樣基本可以做到每個目標(biāo)只剩下一個檢測框。[0022]作為一種可選方式，若判斷有缺陷，給出缺陷的類型和位置信息，并回溯到上述置[0023]基于上述方案，本實施例考慮增加樣本數(shù)據(jù)集的多樣性和模型的泛化性，用多尺度的方法來訓(xùn)練模型并學(xué)習(xí)缺陷特征。數(shù)據(jù)集中融入了較多的由于拍攝角度旋轉(zhuǎn)、色彩抖動等樣本，目的是為了提高算法的泛化性。同時，通過持續(xù)補充現(xiàn)場搜集的新的數(shù)據(jù)來擴充缺陷庫。[0024]另一方面，本實施例提供了一種接觸網(wǎng)附屬部件異常情況檢測系統(tǒng)，系統(tǒng)主要由三部分組成，分別為車載控制分析模塊、高清圖像采集模塊、地面分析中心。高清圖像采集模塊安裝于車頂，用于對接觸網(wǎng)懸掛支撐裝置進行高清圖像采集；車載控制分析模塊安裝于綜合檢測車內(nèi)，用于對高清圖像采集數(shù)據(jù)收集和歸檔；地面分析中心安裝于分析室內(nèi)，用于對圖像數(shù)據(jù)進行異常智能分析，并對異常數(shù)據(jù)進行報警。[0025]車載控制分析模塊主要負(fù)責(zé)設(shè)備的供電、相機的觸發(fā)、數(shù)據(jù)的存儲、數(shù)據(jù)的分析。8車內(nèi)設(shè)備硬件組成由機柜、采集計算機、控制計算機、多功能控制箱、電源箱以及不間斷電源等組成。[0026]車頂監(jiān)測圖像采集模塊車頂相機從組成方面主要包括：全景高清相機、高清相機(可選為抗眩光、抗反射等型號)、隧道外桿號識別相機、隧道內(nèi)桿號識別相機、線夾導(dǎo)線吊弦的拍攝高清相機、連續(xù)數(shù)，使其能夠在各種光照條件下工作，包括直射的陽光，可以根據(jù)環(huán)境光線動態(tài)調(diào)整曝光時間和感光度，從而更好地適應(yīng)不同光照條件，減少過曝光或過暴露的可能性。同時，配備了特殊的光學(xué)濾鏡或涂層(特殊的鏡片材料，抗紫外線和抗反射涂層)用于降低陽光引起的反射或過曝光。這些設(shè)計可以有效減少鏡頭表面的反射，提高圖像質(zhì)量。[0027]地面分析中心軟件系統(tǒng)包括地面分析管理平臺以及缺陷識別系統(tǒng)。地面分析管理系統(tǒng)采用B/S結(jié)構(gòu)，用戶可以在任意可連通服務(wù)器的主機通過