一种车载接触网绝缘器消弧缺断在线智能检测方法

技术领域

本发明涉及轨道交通领域，具体是一种车载接触网绝缘器消弧缺断在线智能检测方法。

背景技术

分段分相绝缘器是接触网进行电分段时采用的保证供电灵活性、缩小事故范围的一种绝缘设备。对绝缘器消弧缺断进行检测是施工质量管理的重要手段，是保证列车安全营运的前提。传统的检测方法一般通过人工巡检或离线数据分析的方式进行绝缘器消弧缺断的检测，但是这些传统方式不仅耗时耗力，而且不能及时排除安全隐患，给铁路工作者带来很大的困扰，因此,急需一种在线、及时、智能的车载接触网绝缘器消弧缺断检测方法及系统。

发明内容

本发明的目的在于克服现有技术的不足，提供一种车载接触网绝缘器消弧缺断在线智能检测方法，包括：

采集接触网绝缘器图像以及接触网绝缘器的定位信息，为每一帧图像关联最近邻的定位信息；

对采集到的接触网绝缘器图像首先用深度学习方法对接触网绝缘器图像数据进行预处理，将图像大小进行重置，并将图像数据进行归一化，将归一化后的图像数据通过消弧检测网络提取图像数据中的候选区域；

根据候选区域，消弧检测网络的掩码预测分支输出对应的二值掩码，根据二值掩码进一步进行缺陷分类与检测框的回归，得到绝缘器检测位置(x,y,w,h)；

根据得到的绝缘器检测位置，再利用消弧检测网络进一步检测绝缘器四个消弧是否存在，若检测出四个消弧有缺失、断裂的情况，则返回缺陷类别与绝缘器检测位置(x,y,w,h)，并进行报警。

进一步的，所述的采集接触网绝缘器图像以及接触网绝缘器的定位信息，包括如下过程：

获取接触网绝缘器图像，在非卫星导航盲区，利用GPS进行初始定位，在卫星导航盲区，利用信号基站进行初始定位；然后利用惯性导航器件进行连续定位，同时在有GPS信号或者基站信号的时候，进行位置校正，同步定位信息和图片时钟信息，为每一帧图片关联最近邻的定位信息。

进一步的，所述的对采集到的接触网绝缘器图像首先用深度学习方法对接触网绝缘器图像数据进行预处理，将图像大小进行重置，并将图像数据进行归一化；包括如下过程：

首先用深度学习方法对接收到的图像数据进行预处理，利用opencv库自带重置函数将输入图像大小进行重置，重制后将图像数据进行归一化，采用Mask RCNN实例分割算法检测接触网绝缘器图像消弧缺断。

进一步的，所述的将归一化后的图像数据通过消弧检测网络提取图像数据中的候选区域，具体包括：

通过滑动窗口扫描输入图像并进行卷积操作，结合不同的的尺寸与长宽比，生成互相重叠的区域，并得到每个区域的位置信息，用来提取候选区域。

进一步的，所述的根据候选区域，消弧检测网络的掩码预测分支输出对应的二值掩码，根据二值掩码进一步进行缺陷分类与检测框的回归，得到绝缘器检测位置(x,y,w,h)，具体的为：取ROI分类器选择的正区域为输入，并生成它们的掩码，根据掩码计算损失函数，即分割误差Loss

本发明的有益效果是：本系统是基于深度学习的接触网绝缘器消弧缺断在线智能检测，利用车载嵌入式单元服务器进行在线检测，能快速、有效地对车载运行沿线的接触网绝缘器消弧缺断进行检测定位，并及时报警。

附图说明

图1为一种车载接触网绝缘器消弧缺断在线智能检测方法的原理示意图；

图2为车载接触网绝缘器消弧缺断在线智能检测系统的原理示意图；

图3为绝缘器消弧缺断检测流程图；

图4检测算法流程示意图；

图5为滑动窗口扫描示意图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，一种车载接触网绝缘器消弧缺断在线智能检测方法，包括：

采集接触网绝缘器图像以及接触网绝缘器的定位信息，为每一帧图像关联最近邻的定位信息；

对采集到的接触网绝缘器图像首先用深度学习方法对接触网绝缘器图像数据进行预处理，将图像大小进行重置，并将图像数据进行归一化，将归一化后的图像数据通过消弧检测网络提取图像数据中的候选区域；具体的Mask RCNN使用RPN区域建议网络来寻找目标存在的区域，即候选区域。RPN是一个轻量的神经网络，它会先对原始图像提取特征，用滑动窗口来扫描特征图，扫描的区域被称为anchor，它是分布在图像上的矩形框，在不同的尺寸和长宽比下，图像上会有将近20万个anchor，并且它们互相重叠以尽可能地覆盖图像。如图5所示,假设使用一个3x3的滑动窗口，将每个位置转换为一个统一的256维的特征，这个特征对应了两部分的输出：一个是anchor的类别，是前景(含有目标)还是背景、另一个是框回归，即候选框。一个anchor对应4个框回归参数。k是特征图上每个像素点对应得anchor的个数，这个可以自己设置。图5展示了滑动窗口如何扫描。

根据候选区域，消弧检测网络的掩码预测分支输出对应的二值掩码，根据二值掩码进一步进行缺陷分类与检测框的回归，得到绝缘器检测位置(x,y,w,h)；

根据得到的绝缘器检测位置，再利用消弧检测网络进一步检测绝缘器四个消弧是否存在，若检测出四个消弧有缺失、断裂的情况，则返回缺陷类别与绝缘器检测位置(x,y,w,h)，并进行报警。

所述的采集接触网绝缘器图像以及接触网绝缘器的定位信息，包括如下过程：

获取接触网绝缘器图像，在非卫星导航盲区，利用GPS进行初始定位，在卫星导航盲区，利用信号基站进行初始定位；然后利用惯性导航器件进行连续定位，同时在有GPS信号或者基站信号的时候，进行位置校正，同步定位信息和图片时钟信息，为每一帧图片关联最近邻的定位信息。

所述的对采集到的接触网绝缘器图像首先用深度学习方法对接触网绝缘器图像数据进行预处理，将图像大小进行重置，并将图像数据进行归一化；包括如下过程：

首先用深度学习方法对接收到的图像数据进行预处理，利用opencv库自带重置函数将输入图像大小进行重置，重制后将图像数据进行归一化，采用Mask RCNN实例分割算法检测接触网绝缘器图像消弧缺断。

所述的将归一化后的图像数据通过消弧检测网络提取图像数据中的候选区域，具体包括：

通过滑动窗口扫描输入图像并进行卷积操作，结合不同的的尺寸与长宽比，生成互相重叠的区域，并得到每个区域的位置信息，用来提取候选区域。

所述的根据候选区域，消弧检测网络的掩码预测分支输出对应的二值掩码，根据二值掩码进一步进行缺陷分类与检测框的回归，得到绝缘器检测位置(x,y,w,h)。

掩码分支是一个卷积网络，取ROI(regin of interest)分类器选择的正区域为输入，并生成它们的掩码。其生成的掩码是低分辨率的：28x28像素。但它们是由浮点数表示的软掩码，相对于二进制掩码有更多的细节。掩码的小尺寸属性有助于保持掩码分支网络的轻量性。在训练过程中，会将真实的掩码缩小为28x28来计算损失函数，即分割误差Loss

具体的，本发明系统采用基于深度学习的车载接触网绝缘器消弧缺断在线实时检测的设计方案，采用车载嵌入式单元服务器对绝缘器消弧缺断进行快速、准确检测，并将检测结果(包含绝缘器消弧缺断类别及位置信息)生成缺陷报告，发出报警。

该系统主要分为3个模块：

(1)图像采集和定位模块。主要用于采集检测接触网绝缘器消弧缺断所需图像数据以及获得定位信息。数据采集模块主要是由相机和补光构成，对接触网进行实时成像。定位信息通过基站、GPS、惯性导航组合定位模块获得，具体定位步骤如下：

1)在搜星良好区域，利用GPS进行初始定位，在卫导盲区，利用基站进行初始定位；

2)利用惯性导航器件进行连续定位，同时在有GPS信号或者基站信号的时候，进行位置校正，防止位置的漂移；

3)同步定位和图片时钟信息，为没一帧图片关联最近邻的位置信息。

(2)车载嵌入式单元服务器实时检测模块。接收相机采集到的图像数据，将数据送到部署好的缺陷检测程序中，对接触网绝缘器消弧缺断进行实时检测。整个检测过程如下：

1)首先用深度学习方法对接收到的图像数据进行预处理，为了让接收到的数据符合深度学习检测方法的输入要求，需要将图像大小进行重置(利用opencv库自带重置函数将输入图像大小进行重置)。同时为了更好地进行检测，将图像数据进行归一化。

2)采用Mask RCNN实例分割算法检测接触网绝缘器消弧缺断。Mask RCNN采用的主干网络为Resnet50。主干网后面连接一个特征金字塔的颈脖部分，用于检测不同尺度的目标。具体做法如下：

当检测网络输入数据后：

a)检测网络是一个轻量的深度卷积网络，通过滑动窗口扫描输入图像进行卷积操作，也就是乘法操作，结合不同的的尺寸与长宽比，生成互相重叠的区域，并得到每个区域的位置信息，用来提取候选区域。

b)根据提取的候选区域，Mask RCNN的掩码预测分支输出对应的二值掩码，根据这个二值掩码进一步进行缺陷分类与检测框的回归，得到绝缘器检测位置(x,y,w,h)。

c)根据得到的绝缘器检测区域，再利用消弧检测网络进一步检测绝缘器四个消弧是否存在，若检测出四个消弧有缺失、断的情况，则返回缺陷类别与位置信息(x,y,w,h)。

(3)缺陷报警模块。

1)将缺陷图片、检测结果与找到的定位信息打包成报警文件；

2)车载部署的传输程序会通过4G网络将打包后的报警文件传输至地面数据终端；

数据终端解析报警文件后供相关工作人员及时查看、维护。

以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。