[发明专利]一种基于紫外摄像头的列车受电弓检测方法及系统

权利要求书

1.一种基于紫外摄像头的列车受电弓检测方法，其特征在于，包括以下步骤：

将待检测图像输入训练好的检测器，抽帧检测受电弓的位置以及是否异常获得检测结果；

通过紫外摄像头提取待检测图像中受电弓取电时火花异常的位置，获得提取结果；

基于所述检测结果和所述提取结果，获得最终受电弓异常的位置，完成检测。

2.根据权利要求1所述的一种基于紫外摄像头的列车受电弓检测方法，其特征在于，所述训练好的检测模型的获取步骤包括：

获取检测受电弓的学习样本集；

基于所述学习样本集训练深度神经网络，获得训练好的检测器；其中，所述深度神经网络为YOLO、Fast-RCNN、Faster-RCNN或SSD。

3.根据权利要求2所述的一种基于紫外摄像头的列车受电弓检测方法，其特征在于，所述获取检测受电弓的学习样本集的步骤具体包括：

通过视觉摄像头得到受电弓的图像；

对得到的图像进行属性和位置标注，获得样本集；其中，所述属性包括弓型正常和弓型异常；

将所述样本集转化为VOC或COCO标准数据集格式，获得学习样本集。

4.根据权利要求2所述的一种基于紫外摄像头的列车受电弓检测方法，其特征在于，所述基于所述学习样本集训练深度神经网络，获得训练好的检测器的过程中，在基于所述学习样本集训练深度神经网络之后还包括：

对训练好的深度神经网络模型利用netadapt方法进行剪枝搜索；再将模型转换为ONNX格式后进行量化，得到RKNN模型。

5.根据权利要求4所述的一种基于紫外摄像头的列车受电弓检测方法，其特征在于，所述将模型转换为ONNX格式后进行量化，得到RKNN模型的步骤具体包括：

将剪枝搜索后的模型转换为ONNX格式，并将模型参数量化为int8类型，获得量化后的模型；

将量化后的模型通过RKNNtoolkit转化为RKNN格式，获得RKNN模型。

6.根据权利要求1所述的一种基于紫外摄像头的列车受电弓检测方法，其特征在于，通过训练好的检测器抽帧检测受电弓的位置以及是否异常的步骤具体包括：

采用嵌入式设备通过训练好的检测器，每1秒获取一次受电弓的位置；其中，中间帧使用上一次检测的位置。

7.根据权利要求1所述的一种基于紫外摄像头的列车受电弓检测方法，其特征在于，在获得最终受电弓异常的位置之后，还包括：根据检测到火花的频率，提示不同程度的警告。

8.根据权利要求7所述的一种基于紫外摄像头的列车受电弓检测方法，其特征在于，所述根据检测到火花的频率，提示不同程度的警告的步骤具体包括：

通过前100帧产生火花的图片进行计数，若0～25帧产生了火花，预警级别为正常；若25～50帧产生了火花，预警级别为预警；若50～75帧产生了火花，预警级别为报警；若75～100帧产生了火花，预警级别为告警。

9.一种基于紫外摄像头的列车受电弓检测系统，其特征在于，包括：

检测结果获取模块，用于将待检测图像输入训练好的检测器，抽帧检测受电弓的位置以及是否异常，获得检测结果；

提取结果获取模块，用于通过紫外摄像头提取待检测图像中受电弓取电时火花异常的位置，获得提取结果；

受电弓异常位置获取模块，用于结合所述检测结果和所述提取结果，获得最终受电弓异常的位置，完成检测。