基于无人飞行器的接触网故障检测与诊断方法

摘要

本发明公开了基于无人飞行器的接触网故障检测与诊断方法，其步骤为：1)图像采集：通过无人飞行器携带摄像设备沿接触网拍摄，分别得到可见光和红外光的接触网图像；2)图像灰度化；4)图像分割；5)图像分解；6)图像融合：将可见光的拉普拉斯金字塔各层与红外光的拉普拉斯金字塔相应层融合，再对融合后的拉普拉斯金字塔进行图像重构，得到可见光和红外光图像融合后的接触网部件图像；7)由BP神经网络进行图像识别与故障判断。该方法可实现多方位多角度、实时有效地采集机车运行时的接触网图像，自动识别出图像中的接触网部件，并判断出接触网是否发生故障及故障类型，其判断结果更加准确、可靠，能更好地保障铁路运输的安全。

主权项

1.一种基于无人飞行器的接触网故障检测与诊断方法，其步骤为：1)图像采集：通过无人飞行器携带摄像设备沿接触网拍摄，分别得到可见光和红外光的接触网图像；2)图像灰度化：将得到的接触网图像进行灰度化处理，得到接触网的灰度图像f(x，y)；3)图像增强：将接触网的灰度图像f(x，y)用分段线性函数对每个像素进行线性扩展，得到图像中的接触网部件突出后的接触网增强图像g(x，y)；4)图像分割：计算接触网增强图像g(x，y)和增强图像g(x，y)的4×4领域图像h(x，y)的归一化二维直方图，用设定阈值(t，s)将归一化二维直方图的灰度级分为背景C₀、目标C₁、边缘及噪声C₂和C₃四个区域，计算背景C₀和目标C₁两区域的灰度均值和以及总体均值向量并通过计算分类准则函数得到最佳阈值(t^*，s^*)，将最佳阈值(t^*，s^*)划分出的目标区域所对应的接触网增强图像区域取出，作为从复杂背景中分割出接触网部件的分割图像G；5)图像分解：对分割图像G进行高斯塔型分解：先将分割图像G作为高斯塔的零层G₀，再逐层向上分解，第l(l∈[1，10])层的构造方法是：将l-1层图像G_l-1和一个具有低通特性的窗口函数w(m，n)(m∈[-1，1]，n∈(-1，1))进行卷积，再把卷积结果作隔行隔列的降采样，构造得到分割图像G的高斯塔l层G_l；将高斯塔l层G_l内插放大，得到尺寸与高斯塔l-1层G_l-1的尺寸相同的放大图像实现分割图像G由高斯金字塔转变成拉普拉斯金字塔；6)图像融合：将可见光的拉普拉斯金字塔各层与红外光的拉普拉斯金字塔相应层融合，再对融合后的拉普拉斯金字塔进行图像重构，得到可见光和红外光图像融合后的接触网部件图像；7)图像识别与故障判断：构造BP神经网络模型，对接触网部件图像进行识别，识别出接触网部件图像上的部件是何种部件，并进而判断出所述部件是否发生故障及故障类型。