一种接触网定位器缺陷识别方法、系统、终端及介质技术方案

本发明专利技术公开了一种接触网定位器缺陷识别方法、系统、终端及介质，涉及接触网缺陷检测技术领域，其技术方案要点是：利对采集图像中的定位器支座进行目标检测，得到检测结果；对检测结果中的不良图像进行清洗，去除边缘图像和畸形图像，得到清洗结果；对清洗结果中的图像进行实例分割，得到分割后的掩码图；对掩码图进行形态学处理，得到判断图像；对判断图像进行连通域计算后得到分割出的等电位线面积，并在等电位线面积小于设定阈值时判断定位器支座处于等电位线缺失状态。本发明专利技术利用图像实例分割方法检测等电位线的缺失，将目标检测细化为像素级别的检测分类，能够适应不同线路情况，并在保证较高准确性的缺陷检情况下保持较低误报。低误报。低误报。

【技术实现步骤摘要】
一种接触网定位器缺陷识别方法、系统、终端及介质


[0001]本专利技术涉及接触网缺陷检测
，更具体地说，它涉及一种接触网定位器缺陷识别方法、系统、终端及介质。

技术介绍

[0002]定位器是直接与接触线相连的设备，能够起到固定接触线的作用，使接触线在一定范围内运动，不至于驰度过大或过小。定位器支座则是定位器和腕臂结构的连接结构，由于定位器直接与供电线接触，通常会在定位器支座上安装等电位线，以保证定位器与腕臂电位差为零。由于列车运行振动，固定等电位线的螺栓常易松脱，导致等电位线脱落，等电位线的缺失可能导致电位差过大从而产生放电现象，甚至导致定位器烧断脱落，发生严重的运行事故。
[0003]现有等电位线缺失检测技术主要有基于传统图像的检测方法和基于深度学习的目标检测方法。基于传统图像的检测方法通过提取等电位线的轮廓从而判断线是否存在，但该方法对于图像前景和背景的差异要求较高，对于隧道内等前景背景差异较小的图像无法较好的提取到等电位线轮廓，从而出现大量误判。且基于传统图像的处理方法对于线路光线情况有较高要求，因而算法稳定性较差，不能适应不同的线路情况。基于深度学习的目标检测方法即训练检测模型直接检测等电位线是否存在，该方法弥补了传统图像在光照，前景背景差异等方面的缺陷，能够取得一定效果，但对于等电位线未完全漏出的情况存在大量的误报。
[0004]因此，如何研究设计一种能够克服上述缺陷的接触网定位器缺陷识别方法、系统、终端及介质是我们目前急需解决的问题。

技术实现思路

[0005]为解决现有技术中的不足，本专利技术的目的是提供一种接触网定位器缺陷识别方法、系统、终端及介质，能够适应不同线路情况，并在保证较高准确性的缺陷检情况下保持较低误报。
[0006]本专利技术的上述技术目的是通过以下技术方案得以实现的：
[0007]第一方面，提供了一种接触网定位器缺陷识别方法，包括以下步骤：
[0008]利用定位器支座目标检测模型对采集图像中的定位器支座进行目标检测，得到检测结果；
[0009]对检测结果中的不良图像进行清洗，去除边缘图像和畸形图像，得到清洗结果；
[0010]利用U2NET分割模型对清洗结果中的图像进行实例分割，得到分割后的掩码图；
[0011]对掩码图进行形态学处理，得到判断图像；
[0012]对判断图像进行连通域计算后得到分割出的等电位线面积，并在等电位线面积小于设定阈值时判断定位器支座处于等电位线缺失状态。
[0013]进一步的，所述对检测结果中的不良图像进行清洗，去除边缘图像和畸形图像，包
括：
[0014]依据检测结果中的图像与对应采集图像之间的相对位置关系，去除边缘图像。
[0015]进一步的，所述边缘图像的去除过程具体为：
[0016]确定检测结果中的图像与对应采集图像的左边缘距离、右边缘距离、上边缘距离和下边缘距离；
[0017]判断左边缘距离、右边缘距离、上边缘距离和下边缘距离是否小于距离阈值；若是，则判断检测结果中的图像异常；若不是，则过滤检测结果中对应的图像。
[0018]进一步的，所述对检测结果中的不良图像进行清洗，去除边缘图像和畸形图像，还包括：
[0019]依据检测结果中图像的长宽比，去除畸形图像。
[0020]进一步的，所述畸形图像的去除过程具体为：
[0021]确定检测结果中图像的最大长宽比；
[0022]判断最大长宽比是否大于比例阈值；若是，则判断检测结果中的图像异常；若不是，则过滤检测结果中对应的图像。
[0023]进一步的，所述定位器支座目标检测模型为基于one
‑
stage算法构建的Yolov5模型。
[0024]进一步的，所述形态学处理为膨胀处理和/或腐蚀处理。
[0025]第二方面，提供了一种接触网定位器缺陷识别系统，包括：
[0026]目标检测模块，用于利用定位器支座目标检测模型对采集图像中的定位器支座进行目标检测，得到检测结果；
[0027]图像清洗模块，用于对检测结果中的不良图像进行清洗，去除边缘图像和畸形图像，得到清洗结果；
[0028]实例分割模块，用于利用U2NET分割模型对清洗结果中的图像进行实例分割，得到分割后的掩码图；
[0029]图像处理模块，用于对掩码图进行形态学处理，得到判断图像；
[0030]缺陷判定模块，用于对判断图像进行连通域计算后得到分割出的等电位线面积，并在等电位线面积小于设定阈值时判断定位器支座处于等电位线缺失状态。
[0031]第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的一种接触网定位器缺陷识别方法。
[0032]第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的一种接触网定位器缺陷识别方法。
[0033]与现有技术相比，本专利技术具有以下有益效果：
[0034]1、本专利技术提供的一种接触网定位器缺陷识别方法，利用图像实例分割方法检测等电位线的缺失，将目标检测细化为像素级别的检测分类，能够适应不同线路情况，并在保证较高准确性的缺陷检情况下保持较低误报；
[0035]2、本专利技术对检测结果中的图像进行清洗处理，能够有效去除因设备采集数据时处于运动状态而导致定位器支座出现在图像的边缘或定位器支座结构存在部分遮挡的情况；
[0036]3、本专利技术对掩码图中存在的空洞，采用膨胀和腐蚀的形态学处理方式进行处理，
使得掩码图能够更好的被用于缺陷判定。
附图说明
[0037]此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：
[0038]图1是本专利技术实施例中的流程图；
[0039]图2是本专利技术实施例中的系统框图。
具体实施方式
[0040]为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作为对本专利技术的限定。
[0041]实施例1：一种接触网定位器缺陷识别方法，如图1所示，具体由以下步骤实现。
[0042]步骤1：对采集图像中的定位器支座进行目标检测，得到检测结果。
[0043]采集设备采集到的图像通常为包含多种接触网结构的图像，检测定位器支座等电位线缺失的首要任务是在图像中准确的找到定位器支座所在位置。本专利技术采用基于one
‑
stage算法构建的Yolov5目标检测模型进行定位器支座的目标检测，输入设备采集到的高分辨率图像Image，输出定位器支座位置的模型为Model
‑
1。输入图像的宽为width，高为height；输出矩形框格式为[x，y，w，h]，其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种接触网定位器缺陷识别方法，其特征是，包括以下步骤：利用定位器支座目标检测模型对采集图像中的定位器支座进行目标检测，得到检测结果；对检测结果中的不良图像进行清洗，去除边缘图像和畸形图像，得到清洗结果；利用U2NET分割模型对清洗结果中的图像进行实例分割，得到分割后的掩码图；对掩码图进行形态学处理，得到判断图像；对判断图像进行连通域计算后得到分割出的等电位线面积，并在等电位线面积小于设定阈值时判断定位器支座处于等电位线缺失状态。2.根据权利要求1所述的一种接触网定位器缺陷识别方法，其特征是，所述对检测结果中的不良图像进行清洗，去除边缘图像和畸形图像，包括：依据检测结果中的图像与对应采集图像之间的相对位置关系，去除边缘图像。3.根据权利要求2所述的一种接触网定位器缺陷识别方法，其特征是，所述边缘图像的去除过程具体为：确定检测结果中的图像与对应采集图像的左边缘距离、右边缘距离、上边缘距离和下边缘距离；判断左边缘距离、右边缘距离、上边缘距离和下边缘距离是否小于距离阈值；若是，则判断检测结果中的图像异常；若不是，则过滤检测结果中对应的图像。4.根据权利要求1所述的一种接触网定位器缺陷识别方法，其特征是，所述对检测结果中的不良图像进行清洗，去除边缘图像和畸形图像，还包括：依据检测结果中图像的长宽比，去除畸形图像。5.根据权利要求4所述的一种接触网定位器缺陷识别方法，其特征是，所述畸形图像的去除过程具体为：确定检测结果中图像的最大长宽比；判断最大长宽比是否大于比例阈值；...

【专利技术属性】
技术研发人员：占栋，张金鑫，袁磊，熊昊睿，
申请(专利权)人：成都唐源电气股份有限公司，
类型：发明
国别省市：