圖像識別技術在接觸網懸掛狀態檢測中的應用

謝大鵬，孫忠國

0 引言

高速鐵路接觸網，由于接觸線及承力索的張力增大，各接觸網零部件的受力及振動也大幅增加，接觸網零部件的安全問題尤為突出。對接觸網零部件狀態缺陷的檢測，傳統的人工巡檢方式工作量大，而且只能在非常有限的天窗時間內進行，該方式難以滿足國內大量高速鐵路接觸網高效檢修維護的需要。

為此，急需研制在無需接觸網斷電條件下，能主要針對接觸網接觸懸掛系統關鍵設備及零部件狀態進行自動巡檢的動態檢測設備，以滿足對高速鐵路接觸網高效檢修維護的需要。而對采集到的接觸網設備圖像進行自動化的圖像處理算法又是其中難點。

1 圖像匹配與識別方法

物體的識別與檢測是計算機視覺中的一項前沿技術問題。如人臉識別、指紋識別、虹膜識別等，都是目前比較成熟的應用領域，國內外不少產品已經成功應用于安檢、考勤、信息安全等方面。

目前，對圖像匹配的研究主要以提高匹配的精度和速度為主，兼顧通用性與魯棒性。

圖像識別的方法很多，基本的也是常用的方法有神經網絡法、幾何變換法和模板匹配法等。

（1）神經網絡方法。人工神經網絡方法特別適合處理需要同時考慮許多因素和條件的問題以及信息不確定性（模糊或不精確）問題。在實際應用中，由于該方法存在收斂速度慢、訓練量大、訓練時間長，且存在局部最小，識別分類精度不夠，難以適用于經常出現新模式的場合，因而其實用性有待進一步提高。

（2）幾何變換法。典型的幾何變換方法主要有霍夫變換（Hough），它是圖像處理中從圖像中識別幾何形狀的基本方法之一，把原始圖像中給定曲線的檢測問題轉化為尋找參數空間中的峰值問題，也即把檢測整體特性轉化為檢測局部特性。比如直線、橢圓、圓、弧線等。為了減少計算量和內存空間以提高計算效率，又提出了許多改進的霍夫算法，其中隨機霍夫變換RHT（Randomized Hough Transform）是20 世紀90 年代提出的一種精巧的變換算法，其突出特點不僅能有效地減少計算量和內存容量，提高計算效率，而且能在有限的變換空間獲得任意高的分辨率。

（3）模板匹配法。要進行模板匹配，首先需要存儲一些已知模板，然后考慮所有可能的變化，將待識別模板與已知模板相比較，從而得出二者之間的相似性量度。該方法在字符識別、人臉識別等領域有廣泛的應用。

經典的圖像匹配方法利用互相關計算匹配量度，或用絕對差的平方和作為不匹配量度，但是這兩種方法經常發生不匹配的情況，因此，利用幾何變換的匹配方法有助于提高穩健性。該方法計算量較大，而且該方法的識別率依賴于已知模板。如果已知模板產生變形，會導致錯誤的識別，由此產生了可變形模板匹配方法。

2 接觸網懸掛狀態檢測算法

對接觸網零部件狀態的典型缺陷及其主要特征進行歸類、匯總。采用包括數字圖像濾波技術、圖像幾何失真校正技術、邊緣增強等數字圖像處理技術，增大圖像清晰度，以便于接觸網部件狀態缺陷的識別；對待檢圖像進行邊緣檢測以及二值化處理，并進行適當的形態學圖像處理得到待檢圖像的邊緣圖像，在邊緣圖像中確定若干定位區域的候選區域，然后根據候選區域的標準模板，從候選區域中確定定位區域，最后利用部件幾何關系的先驗信息由定位區域確定待檢測區域。

本文采取對單幀圖像進行接觸網零部件懸掛狀態檢測的研究思路，充分利用單幀圖像提供的信息，實現對單幀圖像中的指定位置銷釘、絕緣子等裝置懸掛狀態的準確檢測，提取出其在圖像中的有用信息。

算法思路：

（1）通過已有圖像，對特定接觸網部件建立匹配用模型。

（2）通過已經建立的模型，在待檢測圖像中找到與模型相匹配的零部件區域。

（3）對特定零部件的指定區域進行幾何形態學操作，進而判斷相應銷釘是否缺失。

接觸網懸掛狀態檢測算法流程如圖1 所示。

以任一檢測過程中一幅圖像為例，算法實現過程如下：

（1）模型建立過程略。

（2）讀取模型。

（3）讀取圖像。

（4）通過已經建立的模型，找到相關零部件匹配的區域，并進行相應幾何形態學操作。

（5）結果判斷。

圖1 接觸網懸掛狀態檢測算法流程圖

其中，模板建立的過程如圖2 所示。

圖2 樣本模板建立流程圖

3 實例分析

系統運行檢測前，首先利用采集到的樣本圖像，對其中想要檢測的接觸網懸掛零部件（如圖3 a、圖4 a 所示），建立相應的零部件樣本模板。保存在計算機中的樣本模板，在對采集到的圖像進行智能檢測時，將用作識別的參考模板。對于采集到的圖像識別出相應的接觸網零部件后，對其進行幾何形態學分析，對于存在異常變化的相應接觸網零部件發出預警信號，使其達到自動檢測的目的。

（1）旋轉雙耳下方銷釘缺失檢測。圖3 展示的為對旋轉雙耳下方銷釘是否缺失進行檢測。圖3 a 為需要檢測的銷釘位置；圖3 b 為系統采集到的原始圖像；圖3 c 為原始圖像識別到的銷釘位置，并進一步進行幾何形態學分析；圖3 d 為最終判斷銷釘是否缺失，是否需要人工進一步核查。

圖3 旋轉雙耳下方銷釘缺失檢測圖

（2）絕緣子閃絡檢測。圖4 展示的為對絕緣子是否閃絡進行檢測。圖4 a 為需要檢測的絕緣子位置；圖4 b 為系統采集到的原始圖像；圖4 c 為原始圖像識別到的絕緣子位置；圖4 d 為進一步進行幾何形態學分析；圖4 e 為最終判斷絕緣子是否閃絡。

圖4 絕緣子閃絡檢測圖

被檢測出的接觸網零部件故障信息會發送到相應的交互界面，提醒接觸網運營維護人員對相應的接觸網零部件進行人工確認并處理，以保證鐵路行車安全。

4 結語

運用圖像識別技術的接觸網懸掛零部件檢測方法是一種高效率、低成本的自動化檢測方法，相對于傳統人工巡檢有不可替代的優勢。本文算法可以通過計算機圖像檢測，有效地減少現場人員的勞動強度，提高檢測效率，確保高速鐵路接觸網安全有效運行。

[1] Carsten Steger 等著.機器視覺算法與應用[M].楊少榮等譯.北京：清華大學出版社，2008.

[2] 岳文輝，肖興明，唐果寧.圖像識別技術及其在機械零件無損檢測中的應用[J].中國安全科學學報，2007，17（3）：156-161.

[3] 張道德.機械零件圖像識別的關鍵技術研究與實現[D].武漢：華中科技大學，2008.

[4] 周瑜，劉俊濤，白翔.形狀匹配方法研究與展望[J].自動化學報，2012，38（6）：889-910.

[5] 劉金保.形狀匹配算法研究及應用[D].廣州：廣東工業大學，2011.

[6] 鄭祥明，史耀武.數字圖像識別技術綜述[J].湖北汽車工業學院學報，1999，13（1）：33-38.

[7] 謝蓄芬，劉泊，王德軍.一種改進BP 神經網絡在模式識別中的應用[J].哈爾濱理工大學學報，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] 嚴紅平，潘春紅.模式識別簡述[J].自動化博覽，2006，23（1）：22-26.