[1]谭平,陈振鑫,Ipyana Isaac Mbugi,等.基于边缘特征的受电弓结构异常检测研究[J].浙江科技学院学报,2023,(01):30-39.
　TAN Ping,CHEN Zhenxin,Ipyana Isaac Mbugi,et al.Research on pantograph structure anomaly detection based on edge features[J].,2023,(01):30-39.
点击复制

基于边缘特征的受电弓结构异常检测研究(/HTML)
分享到：

《浙江科技学院学报》[ISSN:2097-5236/CN:33-1431/Z]

卷:
期数:
2023年01期
页码:
30-39
栏目:
出版日期:
2023-03-06

文章信息/Info

Title:
Research on pantograph structure anomaly detection based on edge features
文章编号:
1671-8798(2023)01-0030-10
作者:
谭平; 陈振鑫; Ipyana Isaac Mbugi; 丁进
浙江科技学院 自动化与电气工程学院,杭州 310023
Author(s):
TAN Ping;  CHEN Zhenxin;  Ipyana Isaac Mbugi;  DING Jin
School of Automation and Electrical Engineering, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
受电弓; 结构异常; 图像检测; 边缘特征; 相似度
分类号:
TP391.41;U264.34
文献标志码:
A
摘要:
【目的】针对滑板和弓角形变引起的受电弓结构异常检测问题,提出一种基于边缘特征的图像检测方法。【方法】为提高检测效率和降低成本,首先以车载受电弓监控摄像机拍摄的画面作为输入,使用基于卷积神经网络的目标检测算法识别与确定图中的受电弓区域;然后设计一种受电弓边缘检测算法,采用改进后的大津法分割图像,根据轮廓边缘梯度进行边缘粗提取,再利用边缘特征关系拟合弓网接触部分的边缘曲线,准确提取受电弓边缘;最后通过计算受电弓边缘的图像指纹得到边缘相似度,建立受电弓结构异常判断机制。【结果】本检测方法的准确度与F1值分别达到96.4%和97.0%,平均耗时为38 ms。【结论】本检测方法能有效表示受电弓结构特征,具有较高的准确性和实时性,可为后续的受电弓结构异常研究提供一定的参考。
更新日期/Last Update: