申请/专利权人：成都中轨轨道设备有限公司

申请日：2024-02-04

公开（公告）日：2024-04-12

公开（公告）号：CN117690096B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/24;G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06T7/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明涉及接触网技术领域，具体涉及一种适应不同场景的接触网安全巡检系统，所述系统包括：视觉区域检测部分、传感器监测部分和缺陷识别部分；所述视觉区域检测部分，用于获取目标接触网的实时图像，对获取到的实时图像进行图像处理，得到增强图像，定位增强图像中的接触线区域和受电弓区域，对接触线区域进行缺陷识别，对受电弓区域进行缺陷识别；传感器监测部分，用于实时获取传感器数据；缺陷识别部分，基于传感器数据、第一接触线缺陷识别结果和第一受电弓缺陷识别结果进行融合分析，分别得到接触线最终缺陷识别结果和受电弓最终缺陷识别结果。本发明提高了铁路接触网巡检的效率、准确性和实时性，从而增强了铁路系统的安全性和可靠性。

主权项：1.一种适应不同场景的接触网安全巡检系统，其特征在于，所述系统包括：视觉区域检测部分、传感器监测部分和缺陷识别部分；所述视觉区域检测部分，用于获取目标接触网的实时图像，并从云端实时获取目标接触网所处位置的天气数据，结合天气数据，对获取到的实时图像进行图像处理，以去除天气因素对实时图像的影响，得到增强图像，定位增强图像中的接触线区域和受电弓区域，对接触线区域进行缺陷识别，得到第一接触线缺陷识别结果；对受电弓区域进行缺陷识别，得到第一受电弓缺陷识别结果；传感器监测部分，用于实时获取传感器数据，所述传感器数据包括：受电弓与接触线之间的电流传输数据、受电弓的位置数据、目标接触网所处位置的温度数据、受电弓的电弧数据、铁路车辆的加速度数据和受电弓振动数据；缺陷识别部分，基于传感器数据、第一接触线缺陷识别结果和第一受电弓缺陷识别结果进行融合分析，分别得到接触线最终缺陷识别结果和受电弓最终缺陷识别结果；定位增强图像中的接触线区域和受电弓区域的方法包括：步骤1：构建高斯-拉普拉斯金字塔，对增强图像进行处理，得到第一处理结果和低层级图像；步骤2：使用卷积神经网络对第一处理结果进行边缘检测，生成边缘概率分布图；步骤3：使用低层级图像和边缘概率分布图来提取接触线区域；所述低层级图像为层数小于4层的高斯-拉普拉斯金字塔所输出的图像；步骤4：使用深度学习条件随机场模型来推断第一处理结果中的受电弓区域的概率分布图；步骤5：使用低层级图像和概率分布图来提取受电弓区域；步骤1中，使用如下公式，构建高斯-拉普拉斯金字塔： ； ；其中，表示对高斯金字塔的第层图像进行上采样以匹配第层图像的尺寸，上采样使用双线性插值；为高斯核的半径；金字塔的第层图像在坐标处的像素值；表示增强图像在坐标处的像素值；为高斯金字塔的层级，当时，为高斯金字塔最底层；步骤2具体包括：准备一个CNN模型，该模型用于边缘检测任务，包括卷积层、激活函数、池化层和全连接层，以捕获图像中的特征；将增强图像作为输入传递给CNN模型；在CNN模型中，增强图像经过卷积和池化操作，最后输出一个概率分布图，其中每个像素的值表示在该位置检测到边缘的概率；通过如下公式，使用低层级图像和边缘概率分布图来提取接触线区域： ；步骤4具体包括： ；其中，表示增强图像中第个像素；表示增强图像中第个像素；是一元势函数，它衡量像素第个像素属于受电弓区域的置信度；表示图像中第个像素属于受电弓区域的二进制变量，值为1表示属于，0表示不属于；为下表索引，取值范围为1到；是二元势函数，衡量相邻第个像素和第个像素之间的相似性；使用如下公式，计算得到概率分布图： ；再使用如下公式，来提取受电弓区域： 。

全文数据：

权利要求：

百度查询： 成都中轨轨道设备有限公司 一种适应不同场景的接触网安全巡检系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD