基于圖像處理的受電弓滑板裂紋檢測技術研究與發展

陳燕萍

摘要：受電弓滑板是直接與接觸網接觸的部件，一旦發生故障會影響機車受流質量，甚至會造成刮弓等重大安全事故，因此受電弓滑板故障在線檢測對保障鐵路安全運行意義重大。本文通過分析現有滑板裂紋檢測方法，指出基于圖像處理技術的滑板裂紋檢測是一種發展趨勢，并提出繼續探究優化圖像邊緣檢測算法和裂紋識別算法，對有一定運行速度的電力機車受電弓整體碳滑板裂紋檢測有著重要意義。

Abstract： Pantograph slipper is a component that is in direct contact with the catenary. Once the fault occurs， it will affect the current quality of the locomotive and even cause major safety accidents such as bow-scraping. Therefore， online fault detection of pantograph slipper is signality to ensure the safe operation of railway. Based on the analysis of the existing slipper crack detection methods， this paper points out that the slipper crack detection based on image processing technology is a development trend， and proposes to continue to explore and optimize the image edge detection algorithm and crack recognition algorithm， which is of great significance to the whole pantograph carbon strip crack detection of electric locomotive with a certain running speed.

關鍵詞：圖像處理;受電弓;滑板;裂紋檢測

Key words： image processing;pantograph;slipper;cracks detection

中圖分類號：TP274? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2020）22-0135-02

0? 引言

受電弓是電力機車從接觸網受取電流的電氣設備，其中滑板是受電弓和接觸網直接接觸的部件，它的好壞直接影響機車是否能正常運行，因此檢測受電弓滑板故障意義重大。受電弓滑板常見故障有磨耗、斷裂、滑條丟失等，國內外對滑板的磨耗檢測有較多研究成果，但對滑板裂紋研究相對較少。滑板裂紋檢測方法主要有人工登頂檢測和基于圖像處理技術的檢測方法。人工登頂檢測工作量大，效率低，不能實時檢測運行中的電力機車受電弓狀態，對于滑板裂紋故障還有可能出現漏檢情況;基于圖像處理技術的受電弓裂紋檢測方法是通過安裝在鐵路干線的照相機拍攝受電弓動態圖片，然后通過圖像處理最后識別裂紋。目前基于圖像處理的受電弓滑板裂紋檢測研究主要對象是粉末冶金滑板，而且采集的圖像是低速運行通過檢測點的受電弓。本文通過分析圖像處理技術在受電弓滑板裂紋檢測技術的應用現狀，提出繼續探究優化圖像邊緣檢測算法和裂紋識別算法，對有一定運行速度的電力機車受電弓整體碳滑板裂紋檢測有著重要意義。

1? 受電弓圖像采集

獲取電力機車受電弓動態圖像目前主要有兩種方式，一種是將相機安裝在機車車頂，采用一定的角度由下至上拍攝受電弓整體圖像，這種車載拍攝由于機車運行中的振動，無法拍攝出足夠清晰的圖片，不利于圖像處理，由于是從下向上拍攝，無法拍攝到受電弓的正面，因此無法檢測滑板裂紋故障。第二種方法是通過在線路道旁安裝圖像采集設備，當機車通過時抓拍受電弓圖像，采取俯拍方式，可以獲取受電弓整體圖像，檢測滑板磨耗采集側視圖，檢測滑板裂紋故障則采集滑板正面圖像。由于外部光線、列車振動、運行速度變化等外界因素影響，現場采集到的圖像都會存在曝光或曝光不足、圖像模糊、圖像抖動等問題，在一定程度上會影響滑板故障的檢測。

2? 受電弓滑板圖像預處理

現場動態圖像采集是一個復雜的過程，有很多的外界不確定因素會影響拍攝圖像質量，從而需要對圖像進行預處理。一般采用的技術有圖像去噪平滑、圖像增強、邊緣檢測、圖像截取等。

2.1 圖像去噪平滑

現實中的數字圖像在數字化和傳輸過程中常受到成像設備與外部環境噪聲干擾等影響，稱為含噪圖像或噪聲圖像。那么除去這些噪聲的過程就是圖像去噪。圖像平滑目的是使圖像亮度平緩漸變，減小突變梯度，改善圖像質量。而現場采集的受電弓圖像，由于外界噪聲干擾，使圖像模糊，影響滑板裂紋識別，因此要盡量消除圖像噪聲。圖像去噪平滑常用的有均值濾波、中值濾波和高斯濾波這三種方法。

均值濾波也稱線性濾波，基本原理是用原圖像中某個像素臨近值的均值代替原圖像中的像素值。均值濾波對高斯噪聲的表現比較好，對椒鹽噪聲的表現比較差，對圖像的邊緣處也做均值，導致邊緣處變模糊。中值濾波是非線性的圖像處理方法，是最常用的一種平滑濾波方法，在去噪聲同時，較好的保持邊緣輪廓細節，適合處理椒鹽噪聲。高斯濾波是鄰域平均思想對圖像進行平滑處理的一種方法，高斯平滑即去掉了噪聲又保持了邊緣。目前受電弓滑板圖像處理一般采用了中值濾波的方法。

2.2 圖像增強

圖像增強的目的是提高圖像的對比度，便于對圖像進一步處理和分析。動態采集的受電弓整體圖像中，由于滑板與其周圍其他物體灰度較為相近，或者采集的目標圖像亮度低、對比度差等情況，經濾波處理后會造成滑板邊緣模糊。因此，需要對濾波后的受電弓滑板圖像進行對比度增強，從而將原來不清晰的受電弓滑板圖像變得清晰，增強滑板邊緣的細節特征。圖像增強常用的方法有對比度增強法和灰度變換法。

灰度變換的原理就是通過改變灰度的動態范圍，達到增強圖像灰度級細節部分的方法。直方圖均衡方法是是根據輸入圖像的灰度概率分布來確定其對應的輸出灰度值，通過擴展圖像的動態范圍提升圖像對比度。這兩種圖像增強算法可能會存在噪聲放大、圖像邊緣模糊等不足。因此在受電弓滑板圖像處理中可以結合基于小波變換、曲波變換的方法，來獲得更好的增強效果。

2.3 邊緣檢測

所謂圖像邊緣是指其周圍像素灰度有階躍變化的像素的集合，邊緣存在于目標與背景之間、背景與背景之間。在受電弓滑板裂紋檢測中，首先要從整幅受電弓圖片中把兩塊滑板圖像截取出來，因此需要通過邊緣檢測算法來確定滑板的兩條水平邊緣，然后確定滑板的準確位置。常用的邊緣提取算子包括Robert、Sobel、Laplacian、Canny等，其中Canny算法應用最為廣泛。在圖像邊緣檢測中，抑制噪聲和邊緣精準定位一般無法同時滿足，比如一些邊緣檢測算法在平滑濾波去除噪聲的同時，也降低了邊緣特征，而提高邊緣檢測算子對邊緣的敏感性的同時，又降低了去噪的效果。因此有必要繼續優化受電弓滑板邊緣檢測算子。

2.4 圖像截取

現場檢測點垂直拍攝的圖像是整個受電弓的俯視圖，不僅包括了受電弓滑板，也包含了受電弓底架、車頂、支架等，還有接觸網導線的遮擋，如果只是要對滑板裂紋進行識別，僅需要對圖像中的滑板數據進行處理，因此需要截取滑板圖像。一般只要對邊緣檢測圖進行Rodan或Hough變換，就可以得到滑板的4條直線邊緣，通過定位到滑板邊緣所在的區域，就可以從原圖中截取滑板圖像。

3? 受電弓滑板裂紋提取方法

3.1 整體碳滑板裂紋特征分析

本文以整體碳滑板為研究對象，采集的滑板圖像可能會有裂紋，同時還會存在接縫、接觸網導線、劃痕等固有圖像特征。其中滑板接縫存在于整體碳滑板條與其金屬支架連接處，每根滑條左右各有一條，接縫與滑板邊緣呈45°和135°的角度，形狀近似直線，接縫位置如圖1中圓圈處所示。接觸網導線圖像與滑板水平邊緣之間的角度在90-135°的范圍內。接觸網呈“Z”字型布置，所以機車在運行過程中引起的滑板劃痕一般是帶狀分布，而且在一定區域內方向基本一致。滑板裂紋一般由機械碰撞等偶然因素造成的，長、寬和位置都不固定，而受電弓滑板表面上接縫、劃痕等固有的圖像元素都有較明顯的規律，所以可通過識別這些有規律性的固有圖像特征，進而檢測到裂紋故障。

3.2 裂紋提取方法

在滑板表面上除了裂紋，還可能存在接縫、滑板劃痕、接觸網導線等偽故障圖像，而傳統的邊緣檢測算法和形態學處理很難將裂紋與這些偽故障區分開來，而造成誤判。目前關于滑板裂紋識別算法主要有基于基于移動平行窗的二代曲波檢測方法、基于模糊熵和Hough變換的受電弓滑板裂紋檢測方法等。

3.2.1 基于二代曲波變換移動平行窗口的滑板裂紋識別方法

本方法的研究對象是城軌列車上使用的整體碳滑板，通過對圖像進行曲波變換處理后，基本可以將背景和劃痕濾除，這樣就只剩下裂紋、接縫和接觸網導線3種圖像特征，由于接縫和接觸網導線基本垂直于滑板邊緣，呈直線型，與裂紋近似，因此采用基于移動平行窗口的方法濾除接縫圖像特征。滑板上的劃痕、接縫等圖像進行曲波系數處理以后，如果滑板圖像上還存在線狀或者近似線狀的奇異特征，就可以判斷滑板是否存在裂紋故障。

3.2.2 基于極角約束Hough變換的滑板裂紋提取方法

本方法主要研究對象是粉末冶金滑板，每個滑板由5條短滑條連接組成，通過螺釘固定在滑板支架上。滑板圖像上主要包含了邊界線、接縫、劃痕、螺釘和可能存在的裂紋5類圖像特征。對滑板圖像進行Hough變換后，可以根據圖形固有元素的幾何特征，排除這些代表非裂紋圖形元素的特征點之后，剩下的就是代表裂紋的特征點。直接利用Hough變換無法準確地提取與接縫平行或傾角相接近的裂紋，因此提出極角約束Hough變換的滑板裂紋提取方法。先在Hough變換獲取的所有特征點中，排除具有最大極距和最小極距的特征點，然后利用極角比較選取位于-30°方向附近的特征點，再將各個特征點的極距與接縫極距進行比較，從而判斷該方向上是否存在裂紋。

目前電力機車受電弓全部采用了整體滑板，不存在短滑條直接的接縫，因此二代曲波變換裂紋算法更適合整體滑板的裂紋檢測。

4? 結論

基于圖像處理的機車受電弓滑板裂紋檢測技術，首先通過安裝在鐵路干線上的攝像機俯拍受電弓圖像，然后通過圖像去噪平滑、圖像增強、邊緣檢測、圖像截取等一系列方法進行處理，最后通過基于曲波平行窗等算法濾除平行接縫偽故障，從而識別整體碳滑板裂紋故障。邊緣檢測和裂紋提取是整個檢測系統的關鍵步驟，因此有必要對正常運行速度通過檢測點的受電弓整體滑板，繼續探究優化圖像邊緣檢測算法和裂紋識別算法。

參考文獻：

[1]黃艷紅.受電弓滑板磨耗圖像檢測算法研究[D].成都：西南交通大學，2008.

[2]陳坤峰.基于曲波變換的受電弓滑板裂紋故障檢測[D].成都：西南交通大學，2011.

[3]韓志偉，陳坤蜂，劉志剛，等.基于二代曲波系數定向映射的受電弓滑板裂紋檢測技術[J].鐵道學報，2011，33（11）.

[4]謝力.基于圖像處理的受電弓狀態檢測技術研究[D].成都：西南交通大學，2011.

[5]姚蘭，肖建.基于模糊熵和變換的受電弓滑板裂紋檢測方法[J].鐵道學報，2014，36（5）.

[6]陳雙.基于圖像處理的受電弓故障檢測算法研究[D].南京：南京理工大學，2017.