-
公开(公告)号：CN106290393B
公开(公告)日：2018-11-20
申请号：CN201610794958.1
申请日：2016-08-31
Applicant: 西南交通大学
Abstract: 本发明公开一种高铁接触网斜腕臂管帽丢失检测方法，通过图像预处理，利用Hough变换定位斜腕臂的位置，根据斜腕臂的倾斜角度将图像旋转至斜腕臂处于水平的方向，通过Canny算子检测边缘后，对图像中同一纵坐标的像素点进行像素灰度值累加，通过像素累加的两个峰值确定斜腕臂的边缘，从而提取斜腕臂图像，最后利用图像的灰度分布规律判断管帽是否丢失。本发明给出客观、真实、准确的检测分析结果，克服了传统人工检测方法的缺陷，检测简单、有效，并大大提高了检测效率，并保证了检测的准确性。
-
公开(公告)号：CN106326894B
公开(公告)日：2019-07-12
申请号：CN201610793577.1
申请日：2016-08-31
Applicant: 西南交通大学
Abstract: 本发明公开了一种高铁接触网旋转双耳横向销钉不良状态检测方法，包括以下步骤：在定位阶段，首先，依据图像中开口销所在连接处和斜腕臂的线特征，使用Hough变换对斜腕臂下边缘进行检测并提取其斜率特征，实现开口销初定位，然后，利用PBoW模型对初定位图片分类；在检测阶段，利用目标几何分布特征进行粗定位，随后针对开口销小、暗和弱的特点，采用Retinex法进行图像增强，并使用Hough累加矩阵提取连接处螺钉的圆形特征，对销钉所处的圆环区域实现精确提取，最后，根据圆环内非连通区域分布规律给出开口销缺失和张角不足检测判据。本发明实现了双耳连接处和短斜撑上端连接处定位的准确性、开口销脱落与张角不足故障的检测。
-
公开(公告)号：CN106485694B
公开(公告)日：2019-04-16
申请号：CN201610814766.2
申请日：2016-09-11
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于级联分类器的高铁接触网双套管连接器部件六边形大螺母不良状态检测方法。包括以下步骤：首先建立关于双套管连接器部件的样本库，提取样本的HOG特征训练级联的AdaBoost分类器，在此基础上训练支持向量机分类器，实现双套管连接器部件的定位；其次，采用Hough变换实现目标图像中双套管连接的平腕臂和斜腕臂倾角的提取，并将平腕臂旋转至水平方向，进而实现平腕臂和连接器的分割；再将斜腕臂旋转至竖直方向，实现斜腕臂和连接器的分割。故障判定时,在提取到的连接器图像中，根据光斑位置设定横向基线，检测其横向灰度奇异值，对双套管连接器六边形大螺母脱落故障做出精确判断。
-
公开(公告)号：CN106372667B
公开(公告)日：2019-04-16
申请号：CN201610793554.0
申请日：2016-08-31
Applicant: 西南交通大学
Abstract: 本发明公开了一种高铁接触网斜撑套筒部件螺钉不良状态检测方法，包括以下步骤：首先，建立关于斜撑套筒部件的样本库，提取样本的HOG特征训练级联的AdaBoost分类器，训练支持向量机分类器；其次，采用Hough变换实现目标图像中斜撑套筒倾角的提取，并将其旋转至竖直方向；故障判定时，选用螺栓长度和直径比值作为螺栓脱落故障的判据，设置相关阈值判断螺栓脱落的故障；根据薄螺母的位置判断螺栓松脱的故障，对水平方向的像素累加分布做差分处理，根据水平像素分布的相关变化率判定是否松脱。本发明直接通过图像处理方法对高铁接触网斜撑套筒螺钉部件的状态进行检测，给出客观、真实、准确的检测分析结果，克服了传统人工检测方法的缺陷。
-
公开(公告)号：CN106919978A
公开(公告)日：2017-07-04
申请号：CN201710036589.4
申请日：2017-01-18
Applicant: 西南交通大学
Abstract: 本发明公开一种高铁接触网支撑装置零部件识别检测方法，建立高铁接触网支撑装置图像的训练样本库，所述训练样本库包括在图像中手工框出的作为检测目标的各零部件的坐标信息，及所属类别；搭建基于Faster‑RCNN算法的深度卷积神经网络；将上述训练样本库中的训练样本输入搭建好的Faster‑RCNN网络，完成模型的训练；将待检测图像输入训练好的模型中，得到高铁接触网支撑装置零部件的识别检测结果。本发明通过候选区域的深度卷积神经网络对待检测目标进行特征学习和目标分类，大大减少人工识别高铁接触网支持装置零部件故障的巨大工作量，实现现场图像的自动分析，可对多种接触网悬挂装置零部件进行识别分类，具有较高的识别准确性。
-
Patent Agency Ranking
公开(公告)号：CN104318582B
公开(公告)日：2017-05-17
申请号：CN201410649784.0
申请日：2014-11-14
Applicant: 西南交通大学
IPC: G06T7/00
Abstract: 本发明公开了一种高铁接触网旋转双耳部件销钉不良状态检测方法。包括以下步骤：首先选取一个较为清晰完整的旋转双耳模板图像，利用SIFT算法提取双耳模板图像与现场采集图像的特征点并作匹配，然后利用改进的RANSAC算法消除误匹配得到仿射变换矩阵，定位旋转双耳；其次，采用Hough变换实现现场采集图像中双耳套筒倾角的提取，并将其旋转至水平方向，进而实现旋转双耳部分的分割；随后，累加现场采集图像的竖直方向像素灰度值，确定销钉受力部分和两端非受力部分长度；最后，归纳销钉正常工作及故障时这些长度间相关比值的范围，从而判断销钉的工作状态。
-
公开(公告)号：CN106570857A
公开(公告)日：2017-04-19
申请号：CN201610814223.0
申请日：2016-09-11
Applicant: 西南交通大学
CPC classification number: G06T7/0008 , G06T2207/10004 , G06T2207/20081 , G06T2207/30108
Abstract: 本发明公开了一种基于HOG特征的高铁接触网斜拉线固定钩部件螺帽脱落不良状态的检测方法。包括以下步骤：首先建立关于固定钩部件的正负样本库，计算样本的HOG特征训练SVM分类器，利用训练得到的分类器定位斜拉线固定钩；其次，采用Hough变换实现目标图像中定位管倾角的提取，并将其旋转至水平方向，进而实现固定钩部分的分割；随后，累加固定钩的竖直方向像素灰度值，确定U型钩的两端，分割出螺钉；最后，归纳正常工作及脱落时螺帽与螺栓的比值的大小关系，从而确定螺帽的工作状态。
-
公开(公告)号：CN104281838B
公开(公告)日：2017-08-08
申请号：CN201410502240.1
申请日：2014-09-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于HOG特征的高铁接触网支撑装置耳片断裂故障检测方法，对旋转双耳耳片断裂故障进行检测。包括以下步骤：首先建立旋转双耳的正负样本库；再提取正负样本的HOG特征，生成样本的特征描述符；然后基于AdaBoost算法，对Cascade级联分类器进行训练，并利用训练好的分类器对图像中的旋转双耳的所在区域与非旋转双耳所在区域进行分类识别，完成旋转双耳在图中的定位。最后利用二维Gabor小波变换对旋转双耳子图像中的边缘信息进行筛选，进而对耳片断裂故障引起的故障裂痕进行识别。本发明方法能在复杂的接触网悬挂装置图像中准确识别发生断裂故障的耳片，与人工筛查的方法相比可大大提高检测的效率。
-
公开(公告)号：CN106326894A
公开(公告)日：2017-01-11
申请号：CN201610793577.1
申请日：2016-08-31
Applicant: 西南交通大学
CPC classification number: G06K9/3216 , G06K9/4604 , G06K9/60 , G06K9/6269
Abstract: 本发明公开了一种高铁接触网旋转双耳横向销钉不良状态检测方法，包括以下步骤：在定位阶段，首先，依据图像中开口销所在连接处和斜腕臂的线特征，使用Hough变换对斜腕臂下边缘进行检测并提取其斜率特征，实现开口销初定位，然后，利用PBoW模型对初定位图片分类；在检测阶段，利用目标几何分布特征进行粗定位，随后针对开口销小、暗和弱的特点，采用Retinex法进行图像增强，并使用Hough累加矩阵提取连接处螺钉的圆形特征，对销钉所处的圆环区域实现精确提取，最后，根据圆环内非连通区域分布规律给出开口销缺失和张角不足检测判据。本发明实现了双耳连接处和短斜撑上端连接处定位的准确性、开口销脱落与张角不足故障的检测。
-
公开(公告)号：CN104881861A
公开(公告)日：2015-09-02
申请号：CN201510105489.3
申请日：2015-03-11
Applicant: 西南交通大学
Abstract: 本发明涉及一种以图元分类为基础的高铁接触网悬挂装置故障状态检测方法。包括以下步骤：首先提取图像中的边界曲线，根据边界曲线的曲率变化率实现杆状物图元的提取与去除，进而实现各悬挂装置零部件图元的分割。再利用SURF算法在之前提取的各零部件图元与标准模板图像进行局部特征点匹配；并利用改进之后的RANSAC(Random Sample Consensus，随机抽样一致)算法对匹配成功的特征点对进行筛选，计算模板图像与各图元之间的仿射变换矩阵，实现各零部件的识别与精确定位。最后针对不同的故障类别对悬挂装置零部件的故障状态进行检测。本发明基图元分类的方法，可实现接触网悬挂装置全局图像的深层次处理，有效地提高了接触网非接触式检测的自动化程度，降低了故障检测的难度，为电气化铁路绝缘性能检测提供一种可行的参考。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
