张丕富



图像识别技术及神经网络在接触网病害识别中的应用研究

张丕富

运用图像处理技术和神经网络技术对高速铁路接触网支撑装置中管帽、开口销不良状态进行检测，通过图像增强-频域增强对接触网悬挂装置待检测图像进行预处理，利用SURF局部特征匹配方法实现目标图像识别与提取，运用神经网络对目标局部图像进行残差恢复处理，使之形成稳定且广域的检测判据，从而被机器视觉准确认知，最后实现管帽、开口销病害的有效识别。

管帽不良状态；开口销不良状态；频域增强；神经网络残差恢复

0 引言

安全、稳定、可靠的供电系统是现代高速铁路的重要组成部分，对确保高速铁路动车组的运行安全及运营秩序起到至关重要的作用。面对快速发展的高速铁路，整个行业对铁路运营安全的提升及运营维护精细化管理的需求日益迫切。2012年由原铁道部牵头针对铁路供电检测监测领域制定了《高速铁路供电安全检测监测系统（6C）总体技术规范》，其中运用非接触式检测设备对接触网悬挂系统零部件状态进行检测是该规范的重要组成部分及今后行业技术发展的趋势。

图像识别技术与神经网络技术是计算机视觉中的前沿技术，国内外不少相关产品已经成功应用于安检、考勤、信息安全等领域，将图像识别技术运用于“接触网悬挂部件典型缺陷自动识别”同样具有可能性。为此，本文以接触网验损识别作业中出现损坏率最高的2种接触网零件—腕臂管帽和开口销作为研究的切入点，充分运用图像识别技术及神经网络技术实现以上2种零件病害的系统自动识别，从而解决实际的工程应用问题[3]。……