【技术实现步骤摘要】
本专利技术属于高速列车受电弓碳滑板磨损检测，具体涉及一种受电弓碳滑板磨耗监测方法、系统、电子设备及介质。
技术介绍
1、随着现代交通运输的高速化和智能化发展，高速列车作为重要的城市间快速交通工具，对供电系统的稳定性和可靠性提出了更高的要求。具体地，高速列车的受电弓与供电系统相互连接，其中碳滑板作为重要的电接触元件，起着将电力传递至列车的关键角色。然而，由于列车的高速运行以及不同地形和天气的影响，碳滑板在与输电线之间的摩擦力和压力下会发生磨损，进而影响供电效果和安全性。因此，准确监测碳滑板的磨损状态，提前预防和维护，成为保障高速列车运行安全和效率的重要环节。
2、传统技术中，针对受电弓碳滑板的磨损监测主要依靠人工目视检查和定期维护，这种方法存在人工判断主观性强、维护周期不及时等缺点。近年来，随着传感技术的不断发展，涌现出了一些利用传感器监测磨损的方法，例如压力传感器、振动传感器和位移传感器等。然而，但是，在使用现有技术过程中，专利技术人发现现有技术中至少存在如下问题：采用传感器进行监测的方法仍然存在精度不高、难以全面覆盖整个碳滑板等问题，限制了其在高速列车受电弓磨损监测中的应用。
技术实现思路
1、本专利技术旨在至少在一定程度上解决上述技术问题，本专利技术提供了一种受电弓碳滑板磨耗监测方法、系统、电子设备及介质。
2、为了实现上述目的，本专利技术采用以下技术方案：
3、第一方面，本专利技术提供了一种受电弓碳滑板磨耗监测方法，包括：
4、
5、实时采集受电弓碳滑板的侧端的滑板图像及与所述滑板图像匹配的颜色数据；其中，所述受电弓碳滑板的侧端印设有磨损指示带，所述磨损指示带包括多个由上往下依次横向排布的色带，所述磨损指示带中相邻色带的颜色不同；
6、根据所述滑板图像和所述训练后机器学习模型，得到所述受电弓碳滑板的初始磨耗估计值；
7、通过所述颜色数据对所述初始磨耗估计值进行校准，得到所述受电弓碳滑板的总磨耗量。
8、本专利技术可实现受电弓碳滑板的磨耗量的自动监测，同时精度更高。具体地，本专利技术在实施过程中，通过训练后机器学习模型得到受电弓碳滑板的初始磨耗估计值，将受电弓碳滑板的侧端的滑板图像及与所述滑板图像匹配的颜色数据相结合以实现对受电弓碳滑板磨耗的实时监测，并通过所述颜色数据对所述初始磨耗估计值进行校准，得到所述受电弓碳滑板的总磨耗量，无需人工判断，从而消除了传统方法中磨损监测的主观性。运营人员可通过总磨损量及时采取维护措施，进而避免磨损引发的安全隐患。此外，本申请在应用过程中还具有易于安装和维护的特点，只需在受电弓碳滑板的侧端印设有磨损指示带，并设置能够采集滑板图像和颜色数据摄像头相关硬件即可，使得本专利技术适用于各类高速列车，进而利于提升高速列车运行的安全性、可靠性和经济性。
9、在一个可能的设计中，所述初始机器学习模型采用cnn模型。
10、在一个可能的设计中，所述磨损指示带中多个色带的颜色由上至下渐变设置。
11、在一个可能的设计中，根据所述滑板图像和所述训练后机器学习模型，得到所述受电弓碳滑板的初始磨耗估计值，包括：
12、对所述滑板图像进行预处理，得到预处理后滑板图像；
13、对所述预处理后滑板图像进行自适应阈值分割处理，得到多个滑板区域图像；
14、分别对多个滑板区域图像进行特征提取，得到多个滑板区域颜色特征信息及与多个滑板区域颜色特征信息依次对应的多个滑板区域纹理特征信息；
15、基于所述训练后机器学习模型，根据多个滑板区域颜色特征信息和多个滑板区域纹理特征信息得到多个滑板区域初始磨耗估计值；其中，多个滑板区域初始磨耗估计值组合构成所述受电弓碳滑板的初始磨耗估计值。
16、在一个可能的设计中，通过所述颜色数据对所述初始磨耗估计值进行校准，得到所述受电弓碳滑板的总磨耗量，包括：
17、对所述颜色数据进行预处理，得到预处理后颜色数据；
18、根据所述预处理后颜色数据对多个滑板区域初始磨耗估计值进行校准，得到多个滑板区域磨耗估计值；
19、将多个滑板区域磨耗估计值根据多个滑板区域图像的区域大小进行加权合并处理，得到所述受电弓碳滑板的总磨耗量。
20、在一个可能的设计中，对所述颜色数据进行预处理，得到预处理后颜色数据，包括：
21、获取预先采集的高速列车未通过时的背景颜色数据，并将所述颜色数据减去所述背景颜色数据，得到背景校准后颜色数据；
22、对所述背景校准后颜色数据进行颜色空间转换及白平衡校准，得到转换后颜色数据；
23、采用预设颜色标准板，将所述转换后颜色数据校准至标准颜色空间，得到颜色校准后颜色数据；
24、对所述颜色校准后颜色数据进行颜色增强处理，得到预处理后颜色数据。
25、在一个可能的设计中，得到所述受电弓碳滑板的总磨耗量后，所述方法还包括：
26、对所述总磨耗量进行可视化处理，得到磨耗可视化结果；
27、根据所述总磨耗量生成磨耗报告；
28、对所述磨耗可视化结果及所述磨耗报告进行可视化展示。
29、第二方面，本专利技术提供了一种受电弓碳滑板磨耗监测系统，用于实现如上述任一项所述的受电弓碳滑板磨耗监测方法；所述受电弓碳滑板磨耗监测系统包括：
30、模型获取模块，用于构建初始机器学习模型，并对所述初始机器学习模型进行训练，得到训练后机器学习模型；
31、数据采集模块，用于实时采集受电弓碳滑板的侧端的滑板图像及与所述滑板图像匹配的颜色数据；其中，所述受电弓碳滑板的侧端印设有磨损指示带，所述磨损指示带包括多个由上往下依次横向排布的色带，所述磨损指示带中相邻色带的颜色不同；
32、磨耗估计模块，分别与所述模型获取模块和所述数据采集模块通信连接，用于根据所述滑板图像和所述训练后机器学习模型，得到所述受电弓碳滑板的初始磨耗估计值；
33、磨耗校准模块，与所述磨耗估计模块通信连接，用于通过所述颜色数据对所述初始磨耗估计值进行校准，得到所述受电弓碳滑板的总磨耗量。
34、第三方面，本专利技术提供了一种电子设备，包括：
35、存储器，用于存储计算机程序指令；以及，
36、处理器，用于执行所述计算机程序指令从而完成如上述任一项所述的受电弓碳滑板磨耗监测方法的操作。
37、第四方面，本专利技术提供了一种计算机可读存储介质，用于存储计算机可读取的计算机程序指令，所述计算机程序指令被配置为运行时执行如上述任一项所述的受电弓碳滑板磨耗监测方法的操作。
本文档来自技高网...【技术保护点】
1.一种受电弓碳滑板磨耗监测方法，其特征在于：包括：
2.根据权利要求1所述的一种受电弓碳滑板磨耗监测方法，其特征在于：所述初始机器学习模型采用CNN模型。
3.根据权利要求1所述的一种受电弓碳滑板磨耗监测方法，其特征在于：所述磨损指示带中多个色带的颜色由上至下渐变设置。
4.根据权利要求1所述的一种受电弓碳滑板磨耗监测方法，其特征在于：根据所述滑板图像和所述训练后机器学习模型，得到所述受电弓碳滑板的初始磨耗估计值，包括：
5.根据权利要求4所述的一种受电弓碳滑板磨耗监测方法，其特征在于：通过所述颜色数据对所述初始磨耗估计值进行校准，得到所述受电弓碳滑板的总磨耗量，包括：
6.根据权利要求5所述的一种受电弓碳滑板磨耗监测方法，其特征在于：对所述颜色数据进行预处理，得到预处理后颜色数据，包括：
7.根据权利要求1所述的一种受电弓碳滑板磨耗监测方法，其特征在于：得到所述受电弓碳滑板的总磨耗量后，所述方法还包括：
8.一种受电弓碳滑板磨耗监测系统，其特征在于：用于实现如权利要求1至7中任一项所述的受电弓
9.一种电子设备，其特征在于：包括：
10.一种计算机可读存储介质，用于存储计算机可读取的计算机程序指令，其特征在于：所述计算机程序指令被配置为运行时执行如权利要求1至7中任一项所述的受电弓碳滑板磨耗监测方法的操作。
...【技术特征摘要】
1.一种受电弓碳滑板磨耗监测方法，其特征在于：包括：
2.根据权利要求1所述的一种受电弓碳滑板磨耗监测方法，其特征在于：所述初始机器学习模型采用cnn模型。
3.根据权利要求1所述的一种受电弓碳滑板磨耗监测方法，其特征在于：所述磨损指示带中多个色带的颜色由上至下渐变设置。
4.根据权利要求1所述的一种受电弓碳滑板磨耗监测方法，其特征在于：根据所述滑板图像和所述训练后机器学习模型，得到所述受电弓碳滑板的初始磨耗估计值，包括：
5.根据权利要求4所述的一种受电弓碳滑板磨耗监测方法，其特征在于：通过所述颜色数据对所述初始磨耗估计值进行校准，得到所述受电弓碳滑板的总磨耗量，包括：
6.根...
【专利技术属性】
技术研发人员：杜高峰，罗文成，杨岗，姚琪，杜辉红，
申请(专利权)人：成都天佑路创轨道交通科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。