基于图像处理的受电弓滑板裂纹检测技术研究与发展

陈燕萍

摘要：受电弓滑板是直接与接触网接触的部件，一旦发生故障会影响机车受流质量，甚至会造成刮弓等重大安全事故，因此受电弓滑板故障在线检测对保障铁路安全运行意义重大。本文通过分析现有滑板裂纹检测方法，指出基于图像处理技术的滑板裂纹检测是一种发展趋势，并提出继续探究优化图像边缘检测算法和裂纹识别算法，对有一定运行速度的电力机车受电弓整体碳滑板裂纹检测有着重要意义。

Abstract： Pantograph slipper is a component that is in direct contact with the catenary. Once the fault occurs， it will affect the current quality of the locomotive and even cause major safety accidents such as bow-scraping. Therefore， online fault detection of pantograph slipper is signality to ensure the safe operation of railway. Based on the analysis of the existing slipper crack detection methods， this paper points out that the slipper crack detection based on image processing technology is a development trend， and proposes to continue to explore and optimize the image edge detection algorithm and crack recognition algorithm， which is of great significance to the whole pantograph carbon strip crack detection of electric locomotive with a certain running speed.

关键词：图像处理;受电弓;滑板;裂纹检测

Key words： image processing;pantograph;slipper;cracks detection

中图分类号：TP274                                      文献标识码：A                                  文章编号：1674-957X（2020）22-0135-02

0  引言

受电弓是电力机车从接触网受取电流的电气设备，其中滑板是受电弓和接触网直接接触的部件，它的好坏直接影响机车是否能正常运行，因此检测受电弓滑板故障意义重大。受电弓滑板常见故障有磨耗、断裂、滑条丢失等，国内外对滑板的磨耗检测有较多研究成果，但对滑板裂纹研究相对较少。滑板裂纹检测方法主要有人工登顶检测和基于图像处理技术的检测方法。人工登顶检测工作量大，效率低，不能实时检测运行中的电力机车受电弓状态，对于滑板裂纹故障还有可能出现漏检情况;基于圖像处理技术的受电弓裂纹检测方法是通过安装在铁路干线的照相机拍摄受电弓动态图片，然后通过图像处理最后识别裂纹。目前基于图像处理的受电弓滑板裂纹检测研究主要对象是粉末冶金滑板，而且采集的图像是低速运行通过检测点的受电弓。本文通过分析图像处理技术在受电弓滑板裂纹检测技术的应用现状，提出继续探究优化图像边缘检测算法和裂纹识别算法，对有一定运行速度的电力机车受电弓整体碳滑板裂纹检测有着重要意义。

1  受电弓图像采集

获取电力机车受电弓动态图像目前主要有两种方式，一种是将相机安装在机车车顶，采用一定的角度由下至上拍摄受电弓整体图像，这种车载拍摄由于机车运行中的振动，无法拍摄出足够清晰的图片，不利于图像处理，由于是从下向上拍摄，无法拍摄到受电弓的正面，因此无法检测滑板裂纹故障。第二种方法是通过在线路道旁安装图像采集设备，当机车通过时抓拍受电弓图像，采取俯拍方式，可以获取受电弓整体图像，检测滑板磨耗采集侧视图，检测滑板裂纹故障则采集滑板正面图像。由于外部光线、列车振动、运行速度变化等外界因素影响，现场采集到的图像都会存在曝光或曝光不足、图像模糊、图像抖动等问题，在一定程度上会影响滑板故障的检测。

2  受电弓滑板图像预处理

现场动态图像采集是一个复杂的过程，有很多的外界不确定因素会影响拍摄图像质量，从而需要对图像进行预处理。一般采用的技术有图像去噪平滑、图像增强、边缘检测、图像截取等。

2.1 图像去噪平滑

现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。那么除去这些噪声的过程就是图像去噪。图像平滑目的是使图像亮度平缓渐变，减小突变梯度，改善图像质量。而现场采集的受电弓图像，由于外界噪声干扰，使图像模糊，影响滑板裂纹识别，因此要尽量消除图像噪声。图像去噪平滑常用的有均值滤波、中值滤波和高斯滤波这三种方法。

均值滤波也称线性滤波，基本原理是用原图像中某个像素临近值的均值代替原图像中的像素值。均值滤波对高斯噪声的表现比较好，对椒盐噪声的表现比较差，对图像的边缘处也做均值，导致边缘处变模糊。中值滤波是非线性的图像处理方法，是最常用的一种平滑滤波方法，在去噪声同时，较好的保持边缘轮廓细节，适合处理椒盐噪声。高斯滤波是邻域平均思想对图像进行平滑处理的一种方法，高斯平滑即去掉了噪声又保持了边缘。目前受电弓滑板图像处理一般采用了中值滤波的方法。

2.2 图像增强

图像增强的目的是提高图像的对比度，便于对图像进一步处理和分析。动态采集的受电弓整体图像中，由于滑板与其周围其他物体灰度较为相近，或者采集的目标图像亮度低、对比度差等情况，经滤波处理后会造成滑板边缘模糊。因此，需要对滤波后的受电弓滑板图像进行对比度增强，从而将原来不清晰的受电弓滑板图像变得清晰，增强滑板边缘的细节特征。图像增强常用的方法有对比度增强法和灰度变换法。

灰度变换的原理就是通过改变灰度的动态范围，达到增强图像灰度级细节部分的方法。直方图均衡方法是是根据输入图像的灰度概率分布来确定其对应的输出灰度值，通过扩展图像的动态范围提升图像对比度。这两种图像增强算法可能会存在噪声放大、图像边缘模糊等不足。因此在受电弓滑板图像处理中可以结合基于小波变换、曲波变换的方法，来获得更好的增强效果。

2.3 边缘检测

所谓图像边缘是指其周围像素灰度有阶跃变化的像素的集合，边缘存在于目标与背景之间、背景与背景之间。在受电弓滑板裂纹检测中，首先要从整幅受电弓图片中把两块滑板图像截取出来，因此需要通过边缘检测算法来确定滑板的两条水平边缘，然后确定滑板的准确位置。常用的边缘提取算子包括Robert、Sobel、Laplacian、Canny等，其中Canny算法应用最为广泛。在图像边缘检测中，抑制噪声和边缘精准定位一般无法同时满足，比如一些边缘检测算法在平滑滤波去除噪声的同时，也降低了边缘特征，而提高边緣检测算子对边缘的敏感性的同时，又降低了去噪的效果。因此有必要继续优化受电弓滑板边缘检测算子。

2.4 图像截取

现场检测点垂直拍摄的图像是整个受电弓的俯视图，不仅包括了受电弓滑板，也包含了受电弓底架、车顶、支架等，还有接触网导线的遮挡，如果只是要对滑板裂纹进行识别，仅需要对图像中的滑板数据进行处理，因此需要截取滑板图像。一般只要对边缘检测图进行Rodan或Hough变换，就可以得到滑板的4条直线边缘，通过定位到滑板边缘所在的区域，就可以从原图中截取滑板图像。

3  受电弓滑板裂纹提取方法

3.1 整体碳滑板裂纹特征分析

本文以整体碳滑板为研究对象，采集的滑板图像可能会有裂纹，同时还会存在接缝、接触网导线、划痕等固有图像特征。其中滑板接缝存在于整体碳滑板条与其金属支架连接处，每根滑条左右各有一条，接缝与滑板边缘呈45°和135°的角度，形状近似直线，接缝位置如图1中圆圈处所示。接触网导线图像与滑板水平边缘之间的角度在90-135°的范围内。接触网呈“Z”字型布置，所以机车在运行过程中引起的滑板划痕一般是带状分布，而且在一定区域内方向基本一致。滑板裂纹一般由机械碰撞等偶然因素造成的，长、宽和位置都不固定，而受电弓滑板表面上接缝、划痕等固有的图像元素都有较明显的规律，所以可通过识别这些有规律性的固有图像特征，进而检测到裂纹故障。

3.2 裂纹提取方法

在滑板表面上除了裂纹，还可能存在接缝、滑板划痕、接触网导线等伪故障图像，而传统的边缘检测算法和形态学处理很难将裂纹与这些伪故障区分开来，而造成误判。目前关于滑板裂纹识别算法主要有基于基于移动平行窗的二代曲波检测方法、基于模糊熵和Hough变换的受电弓滑板裂纹检测方法等。

3.2.1 基于二代曲波变换移动平行窗口的滑板裂纹识别方法

本方法的研究对象是城轨列车上使用的整体碳滑板，通过对图像进行曲波变换处理后，基本可以将背景和划痕滤除，这样就只剩下裂纹、接缝和接触网导线3种图像特征，由于接缝和接触网导线基本垂直于滑板边缘，呈直线型，与裂纹近似，因此采用基于移动平行窗口的方法滤除接缝图像特征。滑板上的划痕、接缝等图像进行曲波系数处理以后，如果滑板图像上还存在线状或者近似线状的奇异特征，就可以判断滑板是否存在裂纹故障。

3.2.2 基于极角约束Hough变换的滑板裂纹提取方法

本方法主要研究对象是粉末冶金滑板，每个滑板由5条短滑条连接组成，通过螺钉固定在滑板支架上。滑板图像上主要包含了边界线、接缝、划痕、螺钉和可能存在的裂纹5类图像特征。对滑板图像进行Hough变换后，可以根据图形固有元素的几何特征，排除这些代表非裂纹图形元素的特征点之后，剩下的就是代表裂纹的特征点。直接利用Hough变换无法准确地提取与接缝平行或倾角相接近的裂纹，因此提出极角约束Hough变换的滑板裂纹提取方法。先在Hough变换获取的所有特征点中，排除具有最大极距和最小极距的特征点，然后利用极角比较选取位于-30°方向附近的特征点，再将各个特征点的极距与接缝极距进行比较，从而判断该方向上是否存在裂纹。

目前电力机车受电弓全部采用了整体滑板，不存在短滑条直接的接缝，因此二代曲波变换裂纹算法更适合整体滑板的裂纹检测。

4  结论

基于图像处理的机车受电弓滑板裂纹检测技术，首先通过安装在铁路干线上的摄像机俯拍受电弓图像，然后通过图像去噪平滑、图像增强、边缘检测、图像截取等一系列方法进行处理，最后通过基于曲波平行窗等算法滤除平行接缝伪故障，从而识别整体碳滑板裂纹故障。边缘检测和裂纹提取是整个检测系统的关键步骤，因此有必要对正常运行速度通过检测点的受电弓整体滑板，继续探究优化图像边缘检测算法和裂纹识别算法。

参考文献：

[1]黄艳红.受电弓滑板磨耗图像检测算法研究[D].成都：西南交通大学，2008.

[2]陈坤峰.基于曲波变换的受电弓滑板裂纹故障检测[D].成都：西南交通大学，2011.

[3]韩志伟，陈坤蜂，刘志刚，等.基于二代曲波系数定向映射的受电弓滑板裂纹检测技术[J].铁道学报，2011，33（11）.

[4]谢力.基于图像处理的受电弓状态检测技术研究[D].成都：西南交通大学，2011.

[5]姚兰，肖建.基于模糊熵和变换的受电弓滑板裂纹检测方法[J].铁道学报，2014，36（5）.

[6]陈双.基于图像处理的受电弓故障检测算法研究[D].南京：南京理工大学，2017.