[发明专利]一种高铁绝缘子巡检图像识别方法

说明书

本发明公开了一种高铁绝缘子巡检图像识别方法，涉及到轨道交通领域，以高铁接触网安全巡检系统中的工程实测图像为例，首先对巡检图像的感兴趣区域(ROI，Region of Interest)进行图像增强、去噪等预处理，然后采用图像切割的方式提取感兴趣区域中的正负样本并利用多层CNN对其进行训练学习，最后通过对训练后的模型进行分层次识别、针对错误集微调等优化处理，实现对巡检图像中绝缘子的精准识别。本发明尤其适用于背景复杂的接触网环境，可在接触网环境中以98.2％的识别率精确定位绝缘子，在不同的拍摄距离、角度、亮度下均能展现出较好的泛化能力。

技术领域

本发明专利涉及到轨道交通领域，尤其涉及一种高铁绝缘子巡检图像识别方法。

背景技术

随着我国电气化铁路的快速发展和建设，对牵引供电系统中接触网供电的安全性、可靠性要求不断提高。绝缘子作为接触网上使带电部件保持电气绝缘的元器件之一，在电气化铁路安全运行方面有着举足轻重的作用。目前对接触网上绝缘子的识别方法主要有人工巡视法和电磁特性检测法，人工巡视法识别效率不高、巡视周期长；电磁特性检测法例如电压分布法、超声波检测、红外检测、无线电波检测等，都存在着操作繁琐、容易受电磁干扰的问题。

随着图像处理技术的发展，基于图像处理的绝缘子图像识别技术成为了一种比较高效的新型识别方法，该方法可以在某些特定条件下实现对绝缘子的快速定位识别，从而及时发现缺陷、排除险情。绝缘子图像识别技术主要可分为以下三类：第一类是基于方向梯度直方图(HOG，Histogram of Oriented Gradient)特征和支持向量机(SVM，SupportVector Machine)分类器的绝缘子识别与定位，该类技术虽然误识别率低，但识别精度不高，且当图像背景较为复杂或需要识别的绝缘子数量较大时，检测准确率会大幅降低，很难满足实际工程中的需求；第二类是基于Haar特征和Adaboost级联分类器的绝缘子特征识别技术，该类技术虽然识别精度较高，但存在严重的误识别问题，且误识别对象主要以图像中的黑色背景为主，通过增加负样本以及优化程序也很难降低误识别率；第三类是结合深度学习及机器视觉的新型检测技术，该类技术适用范围广，检测效率高，可用于检测大量图像，但在检测模糊、亮度低或背景较复杂的绝缘子图像时，识别率仍不够高。随着我国铁路的快速发展，所需检测的接触网绝缘子数量剧增，上述方法已经不能满足这种海量图像数据的处理需求。

发明内容

为了解决上述问题，本发明提出了一种基于深度学习的高铁绝缘子巡检图像感兴趣区域目标识别新方法，具有较大的实际工程价值。使用电子式数据统计、数字图像处理和卷积神经网络模型，满足对接触网上绝缘子非接触、抗干扰、高精度检测的要求，具有智能化、小型化、网络化、特征化等特点，可实现在背景复杂的接触网环境中对绝缘子进行精准定位，且在不同的拍摄距离、角度、亮度下展现出较好的泛化能力。

为达到以上目的，本发明提供如下技术方案：

一种高铁绝缘子巡检图像识别方法，包括以下步骤：

(1)巡检图像的采集和感兴趣区域划分

高速铁路车载安全巡检采集系统先利用安装在车顶的高清摄像头拍摄铁路沿线视频，将实时数据传输到控制中心进行信息处理，然后通过视频软件将采集的视频处理成每一帧图像，并实时显示当前帧图像的录像时间，方便对故障零部件的杆号及公里标号定位，最后将巡检图像格式转换为处理软件需要的格式。

由于图像中绝缘子集中于接触网腕臂上，腕臂通常在图像的左上角，另一方面，接触网综合巡检车工作环境为室外，车体振动、车速过快及恶劣天气等多种因素都会影响拍摄质量，导致图像亮度偏暗、模糊不清。因此先将巡检图像十字划分，再选取包含绝缘子的感兴趣区域进行预处理。

(2)感兴趣区域的图像预处理