一种动车组受电弓故障检测方法、装置及存储介质与流程

本申请涉及视频与图像处理技术领域，特别是涉及一种动车组受电弓故障检测方法、装置及存储介质。

背景技术：

弓网系统是轨道交通高压供电系统中的关键环节，列车运行过程中，受电弓和接触网通过接触点组成一个相互振荡和耦合的振动系统，易磨损接触线和碳滑板，从而缩短弓网的使用寿命。另外，受电弓运行过程中遭受异物撞击等外力影响会出现弓结构异常等严重故障，直接影响列车运行安全。

动车组现有受电弓故障检测系统主要对受电弓进行图像采集，通过对采集的图像或者视频进行处理以分析受电弓的异常情况，但由于图像处理算法的局限性，只能判断出受电弓结构上的异常，无法对异物入侵等情况进行检测。

鉴于上述现有技术，寻求一种能够解决故障检测不全面问题的动车组受电弓故障检测方法是本领域技术人员亟待解决的问题。

技术实现要素：

本申请的目的是提供一种动车组受电弓故障检测方法、装置及存储介质，能够从多方面对受电弓的异常进行检测，保证了受电弓故障检测的全面性和准确性，提高了行车安全性。

为解决上述技术问题，本申请提供一种动车组受电弓故障检测方法，包括：

通过受电弓的历史监测图像构建故障检测算法模型，其中所述历史监测图像包含有所述受电弓存在异物时对应的监测图像；

获取所述受电弓的监测图像；

将所述监测图像输入到所述故障检测算法模型以得到异物入侵检测结果；

依据所述异物入侵检测结果，判断目标入侵项的运动路径是否以所述受电弓为终点；

若是，则判定所述目标入侵项为异物入侵项。

优选地，所述故障检测算法模型在获取到所述监测图像之后，还包括：

对各所述监测图像进行前景分离以锁定所述目标入侵项；

通过跟踪算法获取所述目标入侵项的运动路径。

优选地，所述历史监测图像还包含有所述受电弓的碳滑板存在磨耗时对应的监测图像，则所述故障检测算法模型在获取到所述监测图像之后，还包括：

获取预先存储的所述碳滑板不同位置的厚度标定值；

在所述监测图像中提取所述碳滑板的侧面图像；

获取所述侧面图像中所述碳滑板不同位置的厚度测量值；

依据所述厚度标定值与所述厚度测量值计算所述碳滑板的磨耗分布数据并输出受电弓碳滑板磨耗检测结果。

优选地，所述历史监测图像还包含有所述受电弓的结构存在异常时对应的监测图像，则所述故障检测算法模型在获取到所述监测图像之后，还包括：

对所述监测图像进行图像增强处理；

对图像增强处理后的所述监测图像进行特征提取以得到所述受电弓的特征分布响应图；

对所述特征分布响应图进行不变性分析以得到所述受电弓的几何形态估计；

获取所述受电弓的所述碳滑板、支架和羊角的形态参数标准值；

对所述几何形态估计中的几何参数和所述形态参数标准值进行关联比对并输出弓结构异常检测结果。

优选地，所述历史监测图像还包含有所述受电弓的结构存在异常时对应的监测图像，则所述故障检测算法模型在获取到所述监测图像之后，还包括：

对当前监测图像之前的若干帧监测图像和之后的若干帧监测图像进行加权和偏移校准以得到目标监测图像；

对所述当前监测图像和所述目标监测图像进行相似度判别并输出弓结构异常检测结果。

优选地，所述历史监测图像还包含有所述受电弓的碳滑板与标定水平线的夹角大于预设阈值时对应的监测图像，则所述故障检测算法模型在获取到所述监测图像之后，还包括：

通过定位模型确定所述监测图像中的受电弓区域；

通过弓角子模型提取所述受电弓区域中的弓角区域；

通过所述弓角区域确定碳滑板区域；

通过直线拟合算法获取所述碳滑板的形态信息以确定所述碳滑板与标定水平线的夹角；

输出所述受电弓倾斜角度检测结果。

优选地，还包括：

获取受电弓碳滑板磨耗检测结果、弓结构异常检测结果、异物入侵检测结果和受电弓倾斜角度检测结果；

对所述受电弓碳滑板磨耗检测结果、所述弓结构异常检测结果、所述异物入侵检测结果和所述受电弓倾斜角度检测结果进行分析及预警。

为解决上述技术问题，本申请还提供一种动车组受电弓故障检测装置，包括：

构建模块，用于通过受电弓的历史监测图像构建故障检测算法模型，其中所述历史监测图像包含有所述受电弓存在异物时对应的监测图像；

获取模块，用于获取所述受电弓的监测图像；

输入模块，用于将所述监测图像输入到所述故障检测算法模型以得到异物入侵检测结果；

判断模块，用于依据所述异物入侵检测结果，判断目标入侵项的运动路径是否以所述受电弓为终点；若是，则判定所述目标入侵项为异物入侵项。

为解决上述技术问题，本申请还提供一种动车组受电弓故障检测装置，包括存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如所述的动车组受电弓故障检测方法的步骤。

为解决上述技术问题，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如所述的动车组受电弓故障检测方法的步骤。

本申请所提供的动车组受电弓故障检测方法，首先通过受电弓的历史监测图像构建故障检测算法模型，由于历史监测图像包含有受电弓存在异物时对应的监测图像，所以在获取到受电弓的监测图像时，可以从监测图像中检测异物并得到异物入侵检测结果，然后根据异物入侵检测结果中目标入侵项的运动路径判断该目标入侵项是否以受电弓为终点，如果是，则为真正的异物入侵项。应用上述技术方案，能够实现对受电弓的异物入侵进行检测，保证了受电弓故障检测的全面性，提高了行车安全性。另外，在训练故障检测算法模型时所采用的历史监测图像为实际监测中的真实图像，因此保证了受电弓故障检测结果准确性。

附图说明

为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种动车组受电弓故障检测方法的流程图；

图2为本申请实施例提供的一种动车组受电弓故障检测装置的结构示意图；

图3为本申请另一实施例提供的动车组受电弓故障检测装置的结构图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本申请保护范围。

本申请的核心是提供一种动车组受电弓故障检测方法、装置及存储介质，能够从多方面对受电弓的异常进行检测，保证了受电弓故障检测的全面性和准确性，提高了行车安全性。

为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。

图1为本申请实施例提供的一种动车组受电弓故障检测方法的流程图。如图1所示，该方法包括：

s10：通过受电弓的历史监测图像构建故障检测算法模型，其中历史监测图像包含有受电弓存在异物时对应的监测图像。

在具体实施中，故障检测算法模型以受电弓的历史故障数据为样本，通过yolo算法测试并训练得到，受电弓的历史监测图像可以是在白天、夜间、隧道等各种场景下选取，历史监测图像可以包含有受电弓存在异物时对应的监测图像、受电弓的碳滑板存在磨耗时对应的监测图像、受电弓的结构存在异常时对应的监测图像以及受电弓的碳滑板与标定水平线的夹角大于预设阈值时对应的监测图像。

s11：获取受电弓的监测图像。

具体地，监测图像通过受电弓图像采集设备采集并提取，监测图像可以是对受电弓进行拍摄得到的图像，或者是从受电弓的监测视频中截取的包含受电弓的图像帧。

s12：将监测图像输入到故障检测算法模型以得到异物入侵检测结果。

s13：依据异物入侵检测结果，判断目标入侵项的运动路径是否以受电弓为终点。若是，则进入s14。

s14：判定目标入侵项为异物入侵项。

在具体实施中，故障检测算法模型对获取到的监测图像进行相应的处理，采用特征提取等技术判断并得到异物入侵检测结果。

进一步地，故障检测算法模型在获取到监测图像之后，还包括：

对各监测图像进行前景分离以锁定目标入侵项；

通过跟踪算法获取目标入侵项的运动路径。

在具体实施中，故障检测算法模型对每帧监测图像进行前景分离，该方法可有效对画面变化进行侦测，锁定所有潜在入侵项，对每个入侵项采用高效跟踪算法，获取目标入侵项的运动路径。跟踪采用光流和随机森林相结合方法，尽量保证跟踪准确完整，以便于对入侵项运动路径进行分析。在运动路径无明显变化的情况下，判定目标入侵项为环境干扰项，特征统计量变化不明显或者运动路径以图像边界为终点的入侵项，多为环境干扰项。对特征统计量变化较大且运动路径以受电弓区域为终点的入侵项进行记录并输出异物入侵检测结果。

本申请所提供的动车组受电弓故障检测方法，首先通过受电弓的历史监测图像构建故障检测算法模型，由于历史监测图像包含有受电弓存在异物时对应的监测图像，所以在获取到受电弓的监测图像时，可以从监测图像中检测异物并得到异物入侵检测结果，然后根据异物入侵检测结果中目标入侵项的运动路径判断该目标入侵项是否以受电弓为终点，如果是，则为真正的异物入侵项。应用上述技术方案，能够实现对受电弓的异物入侵进行检测，保证了受电弓故障检测的全面性，提高了行车安全性。另外，在训练故障检测算法模型时所采用的历史监测图像为实际监测中的真实图像，因此保证了受电弓故障检测结果准确性。

在上述实施例的基础上，作为一种优选地实施例，历史监测图像还包含有受电弓的碳滑板存在磨耗时对应的监测图像，则故障检测算法模型在获取到监测图像之后，还包括：

获取预先存储的碳滑板不同位置的厚度标定值；

在监测图像中提取碳滑板的侧面图像；

获取侧面图像中碳滑板不同位置的厚度测量值；

依据厚度标定值与厚度测量值计算碳滑板的磨耗分布数据并输出受电弓碳滑板磨耗检测结果。

在具体实施中，通过调整受电弓摄像机镜头焦距采集高清图像，为精确提取滑板边缘信息提供图像基础，智能分析主机应用图像自动识别算法提取受电弓边缘，提取碳滑板连续边缘信息，再通过预先存储的碳滑板不同位置的厚度标定值计算滑板厚度。可以理解，通过相机轮询预置点可以计算连续厚度测量值，从而获得完整磨耗分布数据。

在具体实施中，结构异常监测分为几何形态监测和比对监测两部分。

在上述实施例的基础上，作为一种优选地实施例，历史监测图像还包含有受电弓的结构存在异常时对应的监测图像，则故障检测算法模型在获取到监测图像之后，还包括：

对监测图像进行图像增强处理；

对图像增强处理后的监测图像进行特征提取以得到受电弓的特征分布响应图；

对特征分布响应图进行不变性分析以得到受电弓的几何形态估计；

获取受电弓的碳滑板、支架和羊角的形态参数标准值；

对几何形态估计中的几何参数和形态参数标准值进行关联比对并输出弓结构异常检测结果。

本实施例中，通过几何形态监测得到弓结构异常检测结果，首先对监测图像进行图像增强处理，进而利用梯度算子进行特征提取，得到受电弓的特征分布响应图，接着对特征分布响应图进行不变性分析，可得到受电弓的几何形态估计。可以理解，通常应用hu矩实现不变性分析。

在此基础上，依据受电弓结构中碳滑板、支架和羊角的形态参数标准值，对几何形态估计中的几何参数进行关联定义，对于几何参数不符合标准的区域予以记录。

在上述实施例的基础上，作为一种优选地实施例，历史监测图像还包含有受电弓的结构存在异常时对应的监测图像，则故障检测算法模型在获取到监测图像之后，还包括：

对当前监测图像之前的若干帧监测图像和之后的若干帧监测图像进行加权和偏移校准以得到目标监测图像；

对当前监测图像和目标监测图像进行相似度判别并输出弓结构异常检测结果。

本实施例中，通过比对监测得到弓结构异常检测结果。对当前监测图像之前的若干帧监测图像和之后的若干帧监测图像进行加权和偏移校准得到目标监测图像，当前监测图像之前的若干帧监测图像和之后的若干帧监测图像的选择以无异常为标准，在此基础上，对当前监测图像和目标监测图像进行相似度判别，相关估计可以较好地实现相似度判别，并且有较好的抗噪声性。若相似度判别结果小于预设阈值，则判定弓结构异常并输出弓结构异常检测结果。可以理解，本申请对于预设阈值的选取不作限定，可以根据实际的应用场景具体限定。在其它实施例中，还可以使用分类器监测区域元素是否存在，若不存在，直接判定区域异常。

在上述实施例的基础上，作为一种优选地实施例，历史监测图像还包含有受电弓的碳滑板与标定水平线的夹角大于预设阈值时对应的监测图像，则故障检测算法模型在获取到监测图像之后，还包括：

通过定位模型确定监测图像中的受电弓区域；

通过弓角子模型提取受电弓区域中的弓角区域；

通过弓角区域确定碳滑板区域；

通过直线拟合算法获取碳滑板的形态信息以确定碳滑板与标定水平线的夹角；

输出受电弓倾斜角度检测结果。

在具体实施中，首先通过定位模型确定监测图像中的受电弓区域，即确定受电弓总体位置，定位模型对多种形态，包括典型故障形态、多种干扰成像形态有较好的兼容性，以便为后续监测步骤提供依据。然后使用弓角子模型对受电弓区域中的弓角位置进行提取，弓角子模型应通过大数据训练对位置信息进行准确回归，缩小后续监测区域，降低干扰，提高监测精度。然后通过回归数据确定碳滑板区域，使用直线拟合算法获得碳滑板形态信息，进而确定碳滑板与标定水平线的夹角，根据该夹角输出受电弓倾斜角度检测结果。

需要说明的是，若直线拟合失败或拟合信息不符合先验设定，则依据弓角子模型中的回归数据，根据两个弓角的位置确定碳滑板的位置，从而进行角度测算，按照故障导向安全原则，对明显异常的情景进行处理。

本申请所提供的动车组受电弓故障检测方法，从四个方面详细介绍了对受电弓的异常进行检测的过程，保证了受电弓故障检测的准确性，提高了行车安全性。

在上述实施例的基础上，作为一种优选地实施例，该方法还包括：

获取受电弓碳滑板磨耗检测结果、弓结构异常检测结果、异物入侵检测结果和受电弓倾斜角度检测结果；

对受电弓碳滑板磨耗检测结果、弓结构异常检测结果、异物入侵检测结果和受电弓倾斜角度检测结果进行分析及预警。

本实施例中，控制器获取受电弓碳滑板磨耗检测结果、弓结构异常检测结果、异物入侵检测结果和受电弓倾斜角度检测结果，控制器根据碳滑板的磨耗情况以及受电弓倾斜角度的大小等数据与预先设定的阈值进行分析比较，并在判定异常的情况下及时预警，以便相关工作人员及时查看，提高了行车安全。

在上述实施例中，对于动车组受电弓故障检测方法进行了详细描述，本申请还提供动车组受电弓故障检测装置对应的实施例。需要说明的是，本申请从两个角度对装置部分的实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件的角度。

图2为本申请实施例提供的一种动车组受电弓故障检测装置的结构示意图。如图2所示，基于功能模块的角度，该装置包括：

构建模块10，用于通过受电弓的历史监测图像构建故障检测算法模型，其中历史监测图像包含有受电弓存在异物时对应的监测图像；

获取模块11，用于获取受电弓的监测图像；

输入模块12，用于将监测图像输入到故障检测算法模型以得到异物入侵检测结果；

判断模块13，用于依据异物入侵检测结果，判断目标入侵项的运动路径是否以受电弓为终点；若是，则判定目标入侵项为异物入侵项。

由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。

本申请所提供的动车组受电弓故障检测装置，首先通过受电弓的历史监测图像构建故障检测算法模型，由于历史监测图像包含有受电弓存在异物时对应的监测图像，所以在获取到受电弓的监测图像时，可以从监测图像中检测异物并得到异物入侵检测结果，然后根据异物入侵检测结果中目标入侵项的运动路径判断该目标入侵项是否以受电弓为终点，如果是，则为真正的异物入侵项。应用上述技术方案，能够实现对受电弓的异物入侵进行检测，保证了受电弓故障检测的全面性，提高了行车安全性。另外，在训练故障检测算法模型时所采用的历史监测图像为实际监测中的真实图像，因此保证了受电弓故障检测结果准确性。

图3为本申请另一实施例提供的动车组受电弓故障检测装置的结构图，如图3所示，基于硬件结构的角度，该装置包括：

存储器20，用于存储计算机程序；

处理器21，用于执行计算机程序时实现如上述实施例中动车组受电弓故障检测方法的步骤。

其中，存储器20可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备，存储方式可以是短暂存储或者永久存储。存储器20在一些实施例中可以是动车组受电弓故障检测装置的内部存储单元。

处理器21一些实施例中可以是一中央处理器(centralprocessingunit,cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器20中存储的程序代码或处理数据，例如执行动车组受电弓故障检测方法对应的程序等。

在一些实施例中，还可以包含有总线22可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

本领域技术人员可以理解，图3中示出的结构并不构成对动车组受电弓故障检测装置的限定，可以包括比图示更多或更少的组件。

本申请实施例提供的动车组受电弓故障检测装置，包括存储器和处理器，处理器在执行存储器存储的程序时，能够实现如下方法：首先通过受电弓的历史监测图像构建故障检测算法模型，由于历史监测图像包含有受电弓存在异物时对应的监测图像，所以在获取到受电弓的监测图像时，可以从监测图像中检测异物并得到异物入侵检测结果，然后根据异物入侵检测结果中目标入侵项的运动路径判断该目标入侵项是否以受电弓为终点，如果是，则为真正的异物入侵项。应用上述技术方案，能够实现对受电弓的异物入侵进行检测，保证了受电弓故障检测的全面性，提高了行车安全性。另外，在训练故障检测算法模型时所采用的历史监测图像为实际监测中的真实图像，因此保证了受电弓故障检测结果准确性。

最后，本申请还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。

可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上对本申请所提供的一种动车组受电弓故障检测方法、装置及存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。