【技术实现步骤摘要】
本专利技术涉及受电弓检测，特别是涉及一种受电弓升降弓时间测试方法。
技术介绍
1、受电弓是铁路机车车辆的重要部件，它与接触网之间的接触压力和磨耗情况直接影响机车的运行安全和能耗。其中，受电弓的升降弓时间特性对保障列车安全运行具有重要意义。
2、日常列车维护检修作业当中， 需要对列车受电弓状态进行例行检查，其中包括受电弓的升弓时间、升弓高度以及降弓时间这三项内容的测量。目前，对受电弓的升降弓时间测试主要是人工操作，或者通过安装在车顶的传感器测量，这些方式主要存在以下不足：
3、（1）检测结果依赖于人工读数和记录，易受主观因素的影响，不易实现数据的存储和分析；
4、（2）需要人工爬到车顶进行传感器的安装，测量完成后，为了不影响列车的正常运行，还需要进行拆卸，工作步骤繁琐。
5、因此，急需一种能够快速、准确、方便地检测受电弓升降弓时间的方法。
技术实现思路
1、针对上述要解决的技术问题，本专利技术提供一种受电弓升降弓时间测试方法，能够在不损失弓头识别精度的情况下检测速度更快。
2、为解决上述技术问题，本专利技术提出的技术方案为：
3、一种受电弓升降弓时间测试方法，包括如下步骤：
4、步骤s1，选取不同受电弓位置的图片数据集进行扩充，并对受电弓弓头进行标记，标注后进行训练；
5、步骤s2，将训练后的图像数据输入yolov8神经网络，将输入图像转换为特征图，并进行划分网格，在每个网格中预测受电弓弓
6、步骤s3，基于连续帧间差分法结合光流法，帧间差分法检测图像中的运动区域获得初步的运动掩码，光流法在yolov8检测到的目标区域和帧间差分法检测的运动区域内计算光流，获取运动矢量。
7、作为上述技术方案地进一步改进为：
8、优选地，所述步骤s1中，所述对受电弓弓头进行标记是对图片中的受电弓弓头显著特征处进行标注，所述显著特征处为单个碳滑板或弓头中间圆杆。
9、优选地，所述步骤s2中，对yolov8神经网络进行了如下改进：
10、在主干网络中加入sppf模块，通过最大池化操作在不同尺度上提取特征；
11、添加cbam模块，cbam模块分为通道注意力和空间注意力两部分，通道注意力通过全局池化操作获取每个通道的全局特征，计算权重并作用于每个通道上，空间注意力通过通道压缩后，为每个空间位置计算重要性；
12、使用coordconv增加显式的坐标信息。
13、优选地，所述步骤s2中，所述在每个网格中预测受电弓弓头的边界框位置和大小，具体为：
14、输入图像首先被划分为固定数量的网格，每个网格预测多个锚点对应的目标物体，每个锚点预测一个目标的边界框以及类别置信度；
15、设输入图像的大小为 w×h，特征图大小为 s×s，则每个网格单元的大小为：
16、；
17、yolo的输出是以每个预测网格为单位的边界框参数，实际的中心坐标和计算公式为：
18、；
19、其中，预测出的坐标和是边界框中心相对于网格左上角的偏移，是sigmoid函数，用于将偏移量限制在0到1之间，和是网格的左上角坐标；
20、实际的边界框宽度和高度计算公式为：
21、；
22、其中，预测出的宽度和高度是预定义的锚点的比例，和是锚点的宽度和高度，表示宽度的缩放比例，若＞0，则＞1，表示对宽度进行放大，反之对宽度进行缩小，表示高度的缩放比例，若＞0，则＞1，表示对高度进行放大，反之对高度进行缩小。
23、优选地，所述步骤s3中，具体包括以下步骤：
24、s3-1，连续两帧图像差分公式：
25、；
26、其中，输出值为1时，表示该点为运动目标点；表示第帧图像，-1表示第-1帧图像；、表示相邻两帧灰度图像；
27、s3-2，在运动掩码指定的区域内，应用光流法计算光流矢量，光流法通过分析受电弓弓头图像中的像素移动计算每个像素的运动矢量；
28、基于亮度恒常性假设：
29、
30、其中，表示时刻像素处的亮度值，和表示时间内的像素移动量；
31、泰勒展开得到光流约束方程：
32、；
33、其中，和分别是水平光流和垂直光流，分别是图像亮度在方向和时间的梯度；
34、全局光流通过引入平滑项计算光流场；能量函数包含灰度变化因子和平滑因子：
35、；
36、光流法计算光流分量，得到光流矢量模值，模值大于设定门限值，说明弓头开始运动。
37、本专利技术提供的受电弓升降弓时间测试方法，与现有技术相比，有以下优点：
38、本专利技术的受电弓升降弓时间测试方法，相比较于传统的目标检测算法，能够在不损失弓头识别精度的情况下检测速度更快。本专利技术的测试方法通过yolov8检测识别受电弓弓头，并进行数据集的训练，再通过帧间差分法检测图像中的运动区域获得初步的运动掩码，采用光流法在运动掩码内计算光流，获取运动矢量，从而识别弓头是否发生运动，以及运动方向，判断是升弓还是降弓，以及是否开始或者结束。
本文档来自技高网...【技术保护点】
1.一种受电弓升降弓时间测试方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的受电弓升降弓时间测试方法，其特征在于，所述步骤S1中，所述对受电弓弓头进行标记是对图片中的受电弓弓头显著特征处进行标注，所述显著特征处为单个碳滑板或弓头中间圆杆。
3.根据权利要求2所述的受电弓升降弓时间测试方法，其特征在于，所述步骤S2中，对YOLOv8神经网络进行了如下改进：
4.根据权利要求3所述的受电弓升降弓时间测试方法，其特征在于，所述步骤S2中，所述在每个网格中预测受电弓弓头的边界框位置和大小，具体为：
5.根据权利要求4所述的受电弓升降弓时间测试方法，其特征在于，所述步骤S3中，具体包括以下步骤：
【技术特征摘要】
1.一种受电弓升降弓时间测试方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的受电弓升降弓时间测试方法，其特征在于，所述步骤s1中，所述对受电弓弓头进行标记是对图片中的受电弓弓头显著特征处进行标注，所述显著特征处为单个碳滑板或弓头中间圆杆。
3.根据权利要求2所述的受电弓升降弓时间测试方法，其...
【专利技术属性】
技术研发人员：蔡晓雯，吕建才，陈洋卓，徐玲林，龙荣亮，蒋伟杰，唐润磊，邹国富，彭江，何长琳，
申请(专利权)人：湘潭大学，
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。