基于計算機視覺的受電弓滑板磨耗圖像的識別

曾攀 王俊瑋 鄧久強 趙鍵宏 全穎

摘 要：根據計算機視覺原理、數字圖像處理與識別理論，針對受電弓滑板圖片，文章提出邊緣提取和上邊緣搜索等改進算法，實現滑板磨耗超限故障圖像的辨識。將圖片進行濾波去噪等預處理，再進行邊緣定位檢測、圖像分割、圖像增強、圖像復原等處理。綜合運用改進的Canny算法、Hough變換、BP神經網絡來識別滑板厚度。文章的研究成果對高速鐵路受電弓滑板磨耗超限等典型故障的檢測與識別具有一定的理論研究價值和工程實用價值。

關鍵詞：數字圖像處理；圖像預處理；Canny算法；BP神經網絡

電力機車通過輸電網的受電弓獲取電能，受電弓滑板表面和導線之間構成一對摩擦副，當滑板磨耗超限等典型故障出現時，可能造成卡網或拉網，嚴重危及列車安全，因此對受電弓滑板的磨耗圖像進行準確識別具有重要意義。

目前，受電弓滑板檢測的方法主要有人工登頂測量法、光纖檢測法、超聲波傳感器檢測法、光學三角測量法和計算機圖像檢測法。圖像處理利用圖像測量技術，檢測所需參數的特征，屬于非接觸測量動態與靜態測量相結合，客觀真實。本文對由CCD相機拍攝的受電弓照片進行圖像處理，包括圖像預處理、圖像增強、圖像復原、圖像分割與特征提取、圖像識別五部分，同時采用優化算子、改進算法使圖像識別的精確度和結果的正確度都有相應提高。

1 滑板磨耗圖像識別

1.1 圖像預處理

圖像預處理是對受電弓滑板圖片進行混合增強來突出更多細節。受電弓滑板圖片較模糊，邊緣不夠清晰，對比度不夠，對此首先用Laplace變換突出圖像中的細節，再用sobel梯度法突出其邊緣。最后用灰度變換來擴展平滑后圖像的灰度動態范圍。

在圖像處理中，彩色圖RGB沒法直接進行銳化、去除噪聲、平滑濾波、邊沿突出等步驟及其算法實現。只含亮度信息，不含色彩信息的灰度圖最利于數字圖像處理。所以先將彩色圖轉化為灰度圖，再進行空間域圖像增強。已知Laplace算子的定義如下：

圖2比圖1有較好的視覺改進效果。

1.2 圖像增強

先對預處理后的圖像進行中值濾波。對于圖像中某一點，以該點為中心的鄰域內的所有像素的統計排序中值作為該點的響應，可有效去除噪聲點。中值濾波在降噪的同時引起的模糊效應較低。

由圖3-4可見，中值濾波的效果十分明顯，能有效去除背景上的椒鹽噪聲，但滑板的圖像上存在的椒鹽噪聲點仍有部分沒有去除，較模糊，故進行高斯平滑處理。

1.4 圖像分割

圖像分割后的區域將作為后續處理的對象。主要的方法有邊緣檢測、邊界跟蹤、區域生長等。對比上述分割方法的處理效果，選擇適宜于受電弓滑板磨耗圖片處理的方法，部分方法處理的效果如圖6-8所示。

綜合比較后，本文選擇邊緣檢測進行圖像處理，基本步驟為：先平滑濾波去除噪聲，再銳化濾波，加強有價值的像素點的灰度局部變化，接著邊緣判定，最后連接間斷邊緣，同時去除假邊緣。

Roberts算子、Sobel算子、Prewitt算子等都是圖像不含噪聲或者先平滑去除噪聲后才能正常應用，且處理結果都不夠理想。而Canny算子力求在抗噪聲干擾和精確定位之間找到最佳折中方案，能給出較為連續準確的分割結果。引入Hough變換來解決圖片中部分邊緣點不連續的情況。最終得到結合Canny算子和Hough變換的圖像分割結果（見圖9）。

1.5 識別結果

本文圖像識別部分采用基于BP人工神經網絡的圖像識別方法。BP神經網絡模型結構包括輸入層、隱含層和輸出層。本文確定的訓練和識別的神經網絡結構如表1所示。

將已知厚度的樣本特征值作為訓練樣本集，用于訓練網絡。輸入未知厚度的滑板樣本，訓練好的網絡計算出滑板厚度，實現厚度的識別，并將其自動歸入提前劃分的4種磨耗等級中，給出相應的處理建議（見圖10）。

2 結語

受電弓是電力機車的重要組成部分，為機車提供電力，因此受電弓故障是值得研究的問題。本文主要針對受電弓滑板磨耗的情況進行了處理與識別，使用了較為合適的算法與數學模型，來識別受電弓滑板的厚度。本文的研究成果對高速鐵路受電弓滑板磨耗超限等典型故障的檢測與識別具有一定的理論研究價值和工程實用價值，能為受電弓滑板磨耗的檢測提供一定的參考。

[參考文獻]

[1]羅鵬.電力機車入庫受電弓滑板磨耗檢測[J].光電工程，2004（12）：89-90.

[2]任時光.新型滑板磨耗檢測及自動降弓裝置[J].鐵道運營技術，2000（4）：77-79.

[3]香坂秀一.受電弓自動監視裝置的研制[J].變流技術與電力牽引，2000（3）：36-38.

[4]孫愛玉.檢測受電弓接觸磨損的新方法[J].電力機車技術，2001（4）：46-48.

[5]劉德仁，葛宰林，畢鐵艷.電力機車接觸線磨損數字圖像處理研究[J].現代制造工程，2006（3）：90-91.

[6]張錚，倪紅霞，苑春苗，等.精通Matlab數字圖像處理與識別[M].北京：人民郵電出版社，2013.

[7]王平均.基于MATLAB圖像增強算法的應用[J].遼寧高職學報，2013（7）：123-124.

[8]袁麗婷.基于MATLAB的醫學圖像增強與邊緣檢測算法的實驗研究[D].西安：第四軍醫大學，2009.

[9]姜慶偉.基于模糊理論的圖像增強技術研究與實現[D].上海：華東師范大學，2009.

[10]朱曉恒.受電弓典型故障圖像檢測算法的研究[D].成都：西南交通大學，2011.

[11]陳維榮.受電弓滑板狀態監測的圖像目標提取[D].成都：西南交通大學，2010.

Image Recognition of Slide Abrasion for Locomotive Pantograph

Zeng Pan， Wang Junwei， Deng Jiuqiang， Zhao Jianhong， Quan Ying

（School of Mechanical Engineering， Southwest Jiaotong University， Chengdu 610031， China）

Abstract： Based on the theory of digital image processing and recognition， a new recognition methods in slide abrasion of locomotive pantograph are proposed. By comparing different algorithms of the sliding plate image detection， the optimal one to realize the identification of the abrasion image of pantograph slide is chosen. To obtain the best effect of recognition， the edge detection， image segmentation， image enhancement， image restoration and other image analysis and processing is adopted. Meantime， the improved canny algorithm， Hough transform and BP neural network are used to identify the wear image of pantograph slide. The research results have some references for the detection and identification of slide abrasion of locomotive pantograph.

Key words： pantograph； digital image processing； Canny algorithm； BP neural network