1.本发明涉及检测方法，特别涉及一种接触网关键部位动态偏移量检测方法。
背景技术：
2.目前国内没有自动检测接触网关键部位的装置，无法动态收集接触网关键部位的偏移量数据，且在检测接触网关键部位动态偏移量的时候，需要摄像头对其进行图像收集，但目前的检测镜头没有变焦效果，如果检测镜头过大，容易导致镜头无法准确捕捉接触网关键部位，如果检测镜头过小，容易导致检测画面不清晰，影响自动识别的效率。
技术实现要素：
3.为了至少解决或部分解决上述问题，提供一种接触网关键部位动态偏移量检测方法。
4.为了达到上述目的，本发明提供了如下的技术方案：
5.本发明一种接触网关键部位动态偏移量检测方法，包括以下步骤：
6.a：收集接触网处的数据图像；
7.b：将图像数据通过平台实时传输至分析处理服务器中；
8.c：分析处理服务器对传输的数据进行预处理，再将预处理后的图像数据进行特征提取，将提取后的图像数据根据图像的对比度和清晰度的检测结果发出变焦信号，根据变焦信号控制光学可变焦镜头进行自动变焦，再次收集连续的接触网处的数据图像，并依次再进行预处理和特征提取；
9.d：将提取后的连续接触网处的图像数据进行通过比较获得相应的位移量，并计算运动频率和位移曲线，并将数据发送至中央服务器中进行保存。
10.作为本发明的一种优选技术方案，所述步骤b中，自动变焦的步骤包括：对传递过来的图像进行分割，分别得到目标区域与背景区域，计算目标区域的像素面积so，并与标准像素面积阈值s
th
进行比较，如果so＞s
th
，则发送广角指令，市场中目标像素面积将减少，反之则发送长焦指令，视场中目标像素面积将增大；在进行分割图像时，需要对图像像素区域进行检索，其公式为：
11.其中，s是局部最优阈值，δ是微小变化，f(x，y)，g(x，y)均表示像素坐标点。
12.当一个像素的灰度级及其领域灰度均值都小于s-δ时，则该像素属于目标区域ro，反之则属于背景区域rb。
13.作为本发明的一种优选技术方案，所述步骤b中，所述预处理依次执行灰度处理、归一化、对比度受限的自适应直方图均衡化和伽马非线性化处理，得到预处理图像。
14.作为本发明的一种优选技术方案，所述步骤b中，特征提取采用haar+adaboost的检测模型进行检测，所述haar+adaboost的检测模型均采用神经网络单元结构构成，所述神
经网络单元结构包括由卷积到批标准化到激活relu函数的卷积单元形式的网络结构组成。
15.与现有技术相比，本发明的有益效果如下：
16.本发明可以通过预处理将大量没有价值的数据去除掉，来提高图像的清晰度，通过自动化图像识别图像分割提及自动化调光模块来实现自动调光，利用特征提取模块来提取目标的光照数据，并根据强化学习模块实现自动找寻最佳的调整控制策略，提高调光效率，达到快速调整的要求。
17.变焦系统来解决隧道图像检测过程中图像对比度低、成像不清晰的问题，并利用变焦系统在详判的后能够进行粗判，提高了病害自动识别的精度，可以增加裂缝等病害的判断准确度。
具体实施方式
18.以下对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。此外，如果已知技术的详细描述对于示出本发明的特征是不必要的，则将其省略。
19.实施例1
20.本发明提供一种接触网关键部位动态偏移量检测方法，包括以下步骤：
21.a：收集接触网处的数据图像；
22.b：将图像数据通过平台实时传输至分析处理服务器中；
23.c：分析处理服务器对传输的数据进行预处理，再将预处理后的图像数据进行特征提取，将提取后的图像数据根据图像的对比度和清晰度的检测结果发出变焦信号，根据变焦信号控制光学可变焦镜头进行自动变焦，再次收集连续的接触网处的数据图像，并依次再进行预处理和特征提取；
24.d：将提取后的连续接触网处的图像数据进行通过比较获得相应的位移量，并计算运动频率和位移曲线，并将数据发送至中央服务器中进行保存。
25.进一步的，。
26.具体的，述步骤b中，自动变焦的步骤包括：对传递过来的图像进行分割，分别得到目标区域与背景区域，计算目标区域的像素面积so，并与标准像素面积阈值s
th
进行比较，如果so＞s
th
，则发送广角指令，市场中目标像素面积将减少，反之则发送长焦指令，视场中目标像素面积将增大；在进行分割图像时，需要对图像像素区域进行检索，其公式为：
[0027][0028]
其中，s是局部最优阈值，δ是微小变化，f(x，y)，g(x，y)均表示像素坐标点。
[0029]
当一个像素的灰度级及其领域灰度均值都小于s-δ时，则该像素属于目标区域ro，反之则属于背景区域rb。
[0030]
所述步骤b中，所述预处理依次执行灰度处理、归一化、对比度受限的自适应直方图均衡化和伽马非线性化处理，得到预处理图像。
[0031]
所述步骤b中，特征提取采用haar+adaboost的检测模型进行检测，所述haar+adaboost的检测模型均采用神经网络单元结构构成，所述神经网络单元结构包括由卷积到
批标准化到激活relu函数的卷积单元形式的网络结构组成。
[0032]
本发明可以通过预处理将大量没有价值的数据去除掉，来提高图像的清晰度，通过自动化图像识别图像分割提及自动化调光模块来实现自动调光，利用特征提取模块来提取目标的光照数据，并根据强化学习模块实现自动找寻最佳的调整控制策略，提高调光效率，达到快速调整的要求。
[0033]
变焦系统来解决隧道图像检测过程中图像对比度低、成像不清晰的问题，并利用变焦系统在详判的后能够进行粗判，提高了病害自动识别的精度，可以增加裂缝等病害的判断准确度。
[0034]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：
1.一种接触网关键部位动态偏移量检测方法，其特征在于，包括以下步骤：a：收集接触网处的数据图像；b：将图像数据通过平台实时传输至分析处理服务器中；c：分析处理服务器对传输的数据进行预处理，再将预处理后的图像数据进行特征提取，将提取后的图像数据根据图像的对比度和清晰度的检测结果发出变焦信号，根据变焦信号控制光学可变焦镜头进行自动变焦，再次收集连续的接触网处的数据图像，并依次再进行预处理和特征提取；d：将提取后的连续接触网处的图像数据进行通过比较获得相应的位移量，并计算运动频率和位移曲线，并将数据发送至中央服务器中进行保存。2.根据权利要求1所述的一种接触网关键部位动态偏移量检测方法，其特征在于，所述步骤b中，自动变焦的步骤包括：对传递过来的图像进行分割，分别得到目标区域与背景区域，计算目标区域的像素面积s
o
，并与标准像素面积阈值s
th
进行比较，如果s
o
＞s
th
，则发送广角指令，市场中目标像素面积将减少，反之则发送长焦指令，视场中目标像素面积将增大；在进行分割图像时，需要对图像像素区域进行检索，其公式为：其中，s是局部最优阈值，δ是微小变化，f(x，y)，g(x，y)均表示像素坐标点。当一个像素的灰度级及其领域灰度均值都小于s-δ时，则该像素属于目标区域r
o
，反之则属于背景区域r
b
。3.根据权利要求1所述的一种接触网关键部位动态偏移量检测方法，其特征在于，所述步骤b中，所述预处理依次执行灰度处理、归一化、对比度受限的自适应直方图均衡化和伽马非线性化处理，得到预处理图像。4.根据权利要求1所述的一种接触网关键部位动态偏移量检测方法，其特征在于，所述步骤b中，特征提取采用haar+adaboost的检测模型进行检测，所述haar+adaboost的检测模型均采用神经网络单元结构构成，所述神经网络单元结构包括由卷积到批标准化到激活relu函数的卷积单元形式的网络结构组成。
技术总结
本发明公开了一种接触网关键部位动态偏移量检测方法，包括以下步骤：A：收集接触网处的数据图像；B：将图像数据通过平台实时传输至分析处理服务器中；C：分析处理服务器对传输的数据进行预处理，再将预处理后的图像数据进行特征提取，将提取后的图像数据根据图像的对比度和清晰度的检测结果发出变焦信号，根据变焦信号控制光学可变焦镜头进行自动变焦，再次收集连续的接触网处的数据图像，并依次再进行预处理和特征提取；D：将提取后的连续接触网处的图像数据进行通过比较获得相应的位移量，并计算运动频率和位移曲线，并将数据发送至中央服务器中进行保存。本发明通过变焦系统来解决隧道图像检测过程中图像对比度低、成像不清晰的问题，并利用变焦系统在详判的后能够进行粗判，提高了病害自动识别的精度，可以增加裂缝等病害的判断准确度。等病害的判断准确度。
技术研发人员：柳光金 李波 潘江涛
受保护的技术使用者：襄阳国铁机电股份有限公司
技术研发日：2022.04.15
技术公布日：2022/7/22