图像识别技术在接触网悬挂状态检测中的应用

谢大鹏，孙忠国

0 引言

高速铁路接触网，由于接触线及承力索的张力增大，各接触网零部件的受力及振动也大幅增加，接触网零部件的安全问题尤为突出。对接触网零部件状态缺陷的检测，传统的人工巡检方式工作量大，而且只能在非常有限的天窗时间内进行，该方式难以满足国内大量高速铁路接触网高效检修维护的需要。

为此，急需研制在无需接触网断电条件下，能主要针对接触网接触悬挂系统关键设备及零部件状态进行自动巡检的动态检测设备，以满足对高速铁路接触网高效检修维护的需要。而对采集到的接触网设备图像进行自动化的图像处理算法又是其中难点。

1 图像匹配与识别方法

物体的识别与检测是计算机视觉中的一项前沿技术问题。如人脸识别、指纹识别、虹膜识别等，都是目前比较成熟的应用领域，国内外不少产品已经成功应用于安检、考勤、信息安全等方面。

目前，对图像匹配的研究主要以提高匹配的精度和速度为主，兼顾通用性与鲁棒性。

图像识别的方法很多，基本的也是常用的方法有神经网络法、几何变换法和模板匹配法等。

（1）神经网络方法。人工神经网络方法特别适合处理需要同时考虑许多因素和条件的问题以及信息不确定性（模糊或不精确）问题。在实际应用中，由于该方法存在收敛速度慢、训练量大、训练时间长，且存在局部最小，识别分类精度不够，难以适用于经常出现新模式的场合，因而其实用性有待进一步提高。

（2）几何变换法。典型的几何变换方法主要有霍夫变换（Hough），它是图像处理中从图像中识别几何形状的基本方法之一，把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题，也即把检测整体特性转化为检测局部特性。比如直线、椭圆、圆、弧线等。为了减少计算量和内存空间以提高计算效率，又提出了许多改进的霍夫算法，其中随机霍夫变换RHT（Randomized Hough Transform）是20 世纪90 年代提出的一种精巧的变换算法，其突出特点不仅能有效地减少计算量和内存容量，提高计算效率，而且能在有限的变换空间获得任意高的分辨率。

（3）模板匹配法。要进行模板匹配，首先需要存储一些已知模板，然后考虑所有可能的变化，将待识别模板与已知模板相比较，从而得出二者之间的相似性量度。该方法在字符识别、人脸识别等领域有广泛的应用。

经典的图像匹配方法利用互相关计算匹配量度，或用绝对差的平方和作为不匹配量度，但是这两种方法经常发生不匹配的情况，因此，利用几何变换的匹配方法有助于提高稳健性。该方法计算量较大，而且该方法的识别率依赖于已知模板。如果已知模板产生变形，会导致错误的识别，由此产生了可变形模板匹配方法。

2 接触网悬挂状态检测算法

对接触网零部件状态的典型缺陷及其主要特征进行归类、汇总。采用包括数字图像滤波技术、图像几何失真校正技术、边缘增强等数字图像处理技术，增大图像清晰度，以便于接触网部件状态缺陷的识别；对待检图像进行边缘检测以及二值化处理，并进行适当的形态学图像处理得到待检图像的边缘图像，在边缘图像中确定若干定位区域的候选区域，然后根据候选区域的标准模板，从候选区域中确定定位区域，最后利用部件几何关系的先验信息由定位区域确定待检测区域。

本文采取对单帧图像进行接触网零部件悬挂状态检测的研究思路，充分利用单帧图像提供的信息，实现对单帧图像中的指定位置销钉、绝缘子等装置悬挂状态的准确检测，提取出其在图像中的有用信息。

算法思路：

（1）通过已有图像，对特定接触网部件建立匹配用模型。

（2）通过已经建立的模型，在待检测图像中找到与模型相匹配的零部件区域。

（3）对特定零部件的指定区域进行几何形态学操作，进而判断相应销钉是否缺失。

接触网悬挂状态检测算法流程如图1 所示。

以任一检测过程中一幅图像为例，算法实现过程如下：

（1）模型建立过程略。

（2）读取模型。

（3）读取图像。

（4）通过已经建立的模型，找到相关零部件匹配的区域，并进行相应几何形态学操作。

（5）结果判断。

图1 接触网悬挂状态检测算法流程图

其中，模板建立的过程如图2 所示。

图2 样本模板建立流程图

3 实例分析

系统运行检测前，首先利用采集到的样本图像，对其中想要检测的接触网悬挂零部件（如图3 a、图4 a 所示），建立相应的零部件样本模板。保存在计算机中的样本模板，在对采集到的图像进行智能检测时，将用作识别的参考模板。对于采集到的图像识别出相应的接触网零部件后，对其进行几何形态学分析，对于存在异常变化的相应接触网零部件发出预警信号，使其达到自动检测的目的。

（1）旋转双耳下方销钉缺失检测。图3 展示的为对旋转双耳下方销钉是否缺失进行检测。图3 a 为需要检测的销钉位置；图3 b 为系统采集到的原始图像；图3 c 为原始图像识别到的销钉位置，并进一步进行几何形态学分析；图3 d 为最终判断销钉是否缺失，是否需要人工进一步核查。

图3 旋转双耳下方销钉缺失检测图

（2）绝缘子闪络检测。图4 展示的为对绝缘子是否闪络进行检测。图4 a 为需要检测的绝缘子位置；图4 b 为系统采集到的原始图像；图4 c 为原始图像识别到的绝缘子位置；图4 d 为进一步进行几何形态学分析；图4 e 为最终判断绝缘子是否闪络。

图4 绝缘子闪络检测图

被检测出的接触网零部件故障信息会发送到相应的交互界面，提醒接触网运营维护人员对相应的接触网零部件进行人工确认并处理，以保证铁路行车安全。

4 结语

运用图像识别技术的接触网悬挂零部件检测方法是一种高效率、低成本的自动化检测方法，相对于传统人工巡检有不可替代的优势。本文算法可以通过计算机图像检测，有效地减少现场人员的劳动强度，提高检测效率，确保高速铁路接触网安全有效运行。

[1] Carsten Steger 等著.机器视觉算法与应用[M].杨少荣等译.北京：清华大学出版社，2008.

[2] 岳文辉，肖兴明，唐果宁.图像识别技术及其在机械零件无损检测中的应用[J].中国安全科学学报，2007，17（3）：156-161.

[3] 张道德.机械零件图像识别的关键技术研究与实现[D].武汉：华中科技大学，2008.

[4] 周瑜，刘俊涛，白翔.形状匹配方法研究与展望[J].自动化学报，2012，38（6）：889-910.

[5] 刘金保.形状匹配算法研究及应用[D].广州：广东工业大学，2011.

[6] 郑祥明，史耀武.数字图像识别技术综述[J].湖北汽车工业学院学报，1999，13（1）：33-38.

[7] 谢蓄芬，刘泊，王德军.一种改进BP 神经网络在模式识别中的应用[J].哈尔滨理工大学学报，2004，9（5）：63-65.

[8] V.A.Shapiro.On the hough transform of multi-level pictures[J].Pattern Recognition, 1996, 29: 589-602.

[9] 严红平，潘春红.模式识别简述[J].自动化博览，2006，23（1）：22-26.