CN110261436A 基于红外热成像和计算机视觉的轨道故障检测方法及系统 （暨南大学）

基于红外热成像和计算机视觉的轨道故障本发明公开了一种基于红外热成像和计算较暗区域和槽外较亮区域进行两次多阈值轨道行灰度化，采用相对温差法提取轨道上的高温道异物；疑似轨道异物输入BP神经网络进行识2S1：将高清摄像头和红外热成像仪安装在无人机S3：提取轨道图像：采用轨道槽内较暗灰度阈值对高清2.根据权利要求1所述的基于红外热成像和计算机视觉的轨道故障检测方法，其特征2；S24：选取Canny检测算子进行图像边缘检测：3x3.根据权利要求1所述的基于红外热成像和计算机视觉的轨道故障检测方法，其特征在于，步骤S3中所述采用轨道槽内较暗灰度阈值对高清摄像头图像数据进行一次分割后，所述依据较亮较暗区域相邻的距离特征分割轨道区域，对槽内较暗区域二值图gL(x，y)和槽外较亮区域二值图gH(x，y)进行膨胀得到对应区域分g.(x,y)=g(x,y)ngR(x,y);4.根据权利要求1所述的基于红外热成像和计算机视觉的轨道故障检测方法，其特征5.根据权利要求1所述的基于红外热成像和计算机视觉的轨道故障检测方法，其特征4Area代表连通区域所占像素点的个数，DHeight代表连通区域外包围矩形的高度，6.根据权利要求1所述的基于红外热成像和计算机视觉的轨道故障检测方法，其特征j为输入层到其中，l为隐含层节点个数，ωjk为隐含层到输出5aj=aj十7H;(1-H;)xiz1wjxek;k；8.根据权利要求7所述的基于红外热成像和计算机视觉的轨道故障检测系统，其特征6车轨道故障进行综合检测，包括轨道供电系统短路发热的检测和轨道异物(如违规停靠车78[0032]对槽内较暗区域二值图gL(x,y)和槽外较亮区域二值图gH(x,y)进行膨胀得到对应区9[0083](2)本发明通过多阈值法和骨架提取的思想提取轨道图像，利用轨道槽内较暗灰[0085](4)本发明采用红外热成像温度检测技术，利用温度与灰度值间的映射关系将温[0086]图1为本实施例基于红外热成像和计算机视觉的轨道故障检测方法的流程示意[0087]图2为本实施例基于红外热成像和计算机视觉的轨道故障检测方法的红外温度检[0088]图3为本实施例基于红外热成像和计算机视觉的轨道故障检测方法的疑似轨道异[0091]图6为本实施例基于红外热成像和计算机视觉的轨道故障检测系统的无人机结构[0094]如图1所示，本实施例提供一种基于红外热成像和计算机视觉的轨道故障检测方[0095]本实施例提供的基于红外热成像和计算机视觉的轨道故障检测方法在python环[0114]所述的多阈值提取轨道图像是根据电车轨道故障的检测范围主要是轨间及轨道槽内较暗区域灰度最小值TL和槽外较亮区域灰度最大值TH。槽内较暗区域分割及槽外较亮内较暗区域二值图gL(x,y)和槽外较亮区域二值图gH(x,y)进行膨胀得到对应区域分割二值图和g(x,y):一定的先验知识对干扰线段进行剔除，采用最小二乘分段二次拟合的方法构造轨道方程。迹点，则将xL11所处连通区域的左端点xL11s和xL1k所处连通区域的右端点xL1ke加以延拓作为[0128]对采集到的左右轨道特征点按搜索顺序分段，每N个点利用最小二乘法进行二次个点利用最小二乘法进行二次拟合并延长直至满足限界要求，N的具体大小视实际情况而[0130]如图2所示，本实施例的红外温度检测是以图像的温度值和灰度值相关联的映射度阈值部分的灰度值设定为255(显示为白色)，其他部分的灰度值设定为0(显示为黑色)，并基于边缘检测提取出超过灰度阈值部分(即故障区域)，本实施例使用MATLAB软件内的[0140]如图3所示，本实施例的疑似轨道异物筛选方法是使用掩膜的方法将预处理后的隐含层到输出层的阈值为bk、学习速率为η和激励函数为g(x)，其中，激励函数g(x)取[0181]本实施例还提供一种基于红外热成像和计算机视觉的[0184]本实施例通过无人机，能够在十几分钟之内对电车轨道上方