武雷

（朔黄铁路发展有限责任公司，河北 肃宁 062350）

4C检测系统通过安装高清成像设备来实现接触网零部件的检测。而接触网检测受接触网周围环境复杂、拍摄情况多样等因素影响，会使得采集高清图像质量参差不齐，这会影响最终检测结果。为此，对图像质量进行科学性评价变得十分有必要。

接触网悬挂装置检测方式从前期的人工登顶检测到后期自动化诊断，人工检测方式虽然具有较好的准确性，但检测效率较低，难以满足列车运行的要求，而采用自动化检测方式多用于弓网系统的检测，对于接触网悬挂装置的检测方法研究较少。为提高对接触网悬挂装置检测水平，因而有必要研究针对绝缘子状态判别的检测方法。

本文利用图像增强、边缘检测等数字图像处理技术，对悬挂装置开展故障检测。首先，实现对接触网中的各悬挂装置部件的图像采集，并运用图像增强、形态学运算和边缘检测技术完成绝缘子部件识别，根据绝缘子状态判据，实现对接触网悬挂支持装置部件状态评价，对比检测效果，验证该方法能够提升接触网悬挂装置检测水平，为优化触网悬挂装置的故障状态检测提供方案。

1 图像处理方法

接触网悬挂装置检测的整个处理过程如下：

（1）悬挂支持零部件图像采集：使用高速摄像机对接触网悬挂装置各部件进行图像采集；（2）图像处理：利用图像处理技术完成接触悬挂支持图像预处理；（3）特征匹配：通过计算待测图像相关特征，基于特征匹配算法，实现对零部件的识别与提取；（4）根据状态评判判据，对零部件状态进行判断。

1.1 图像增强

在实际工况中，受天气条件等因素影响会造成图像模糊、部分图像特征不明显等现象，为此需要采用图像增强技术将图像中具有重要作用的一部分凸现出来。本文选用基于空域的图像增强方法对图像进行处理。

空域指的是由像素所组成的图像区间。该图像增强的基本原理是将图像中的像素作为直接处理对象，改变其特性，进而实现对整体图像的像素增强。该方法可如式（1）进行数学性表述：

式中，f(x,y)为摄像机采集的原始图像，g(x,y)是增强处理图像，T为一种图像变换函数。

1.2 形态学运算

形态学运算可分为二值形态学和灰度形态学，膨胀和腐蚀为形态学两个基本运算，二者结合又形成开闭运算。

（1）膨胀运算。假设待处理图像为X，其被结构元素为S,膨胀定义为式（2）：

式中，X为待处理图像，S为结构元素，x为所处的位置。

（2）腐蚀运算。腐蚀运算可视为膨胀操作看作对偶运算。其定义为式（3）：

式中，X为待处理图像，S为结构元素，x为所处的位置。

（3）开闭运算。开闭运算时，通过对上述两个基本运算进行组合，开运算的组合方式为先腐蚀再膨胀。闭运算组合方式是先膨胀再腐蚀。

1.3 边缘检测

图像边缘作为图像基本特征之一，其检测的基本原理是图像在局部区域具有不连续特性。本文通过对接触网悬挂图像分析，发现其灰度变化存在两个特征，提取其梯度特征向量的幅值和方向作为检测特征来实现边缘的检测。类似图像增强方法，边缘检测可分为基于空域的边缘检测和基于频域的边缘检测。

1.4 Hough变换

Hough变换将直角坐标系中的线变为极坐标系中的点，又称为线-点变换。图1为其基本原理图。

图1 Hough变换原理图

图1（a）所示直线可以用图1（b）参数表示，该参数通过下式（4）求得：

式中，ρ为原点到直线的距离；θ为直线法线方向与x轴的夹角。

2 绝缘子的状态检测

绝缘片缺失和片间存有异物是接触网绝缘子常见的两种故障状态。相比正常状态，故障状态下绝缘子图像分布规律性会被破坏，通过统计其纵向灰度和纵向非零点像素点，根据灰度极小值分布规律性是否破坏来判别绝缘子所处状态。考虑绝缘子存在不同的倾斜角会影响最终的检测结果，采用图像处理技术对其进行预处理。其具体检测流程为：

（1）预检测绝缘子图像的采集获取；（2）绝缘子的定位；（3）含绝缘子图像的预处理（包含图像的增强、形态学运算、边缘检测、角度校正）；（4）绝缘子灰度统计；（5）基于灰度统计的绝缘子不良状态检测。

2.1 绝缘子的图像预处理

2.1.1 绝缘子图像增强

为强化采集绝缘子图像的特征信息，本文通过对待检测图像进行基于空域的图像增强，变换函数选用对数变换，如式（5）所示。采用对数变换扩展图像灰度值较低的区域进行扩展，而较高的灰度值区域进压缩表达。最终达到灰度值较大的部分将成为显示的重点的目的。

从式（5）可知，该式底数为（v+1），为保证增强效果。通过输入值归一化处理，保证输出范围为[0-1]。在对数增强中底数选取越大，增强效果越佳。

2.1.2 形态学运算

为突出接触网绝缘子的不良状态，首先，对增强后的图像上进行二值化操作，然后进行形态学腐蚀运算。对图像进行腐蚀运算作用在于去除图像中的不连续像素点，然后，将杆状物滤掉，剩下绝缘子的二值化图像据绝缘子二值化图像在原图像中进行扫描，分别定位腐蚀后绝缘子上下端点及左右端点等4个点，然后基于这4端点分别实现绝缘子的定位与分割。

2.1.3 绝缘子角度校正

采用图像边缘检测技术，选用canny算子对绝缘子进行边缘检测。

完成上述步骤后，对图进行Hough直线检测，选择绝缘子边缘直线的端点作为基准点，三个基准点分别为（113，13）、（728，143）与（37，389）。

2.2 基于灰度统计绝缘子的不良状态检测

通过分析接触网绝缘子灰度统计图，第一处极大值出现于套头与首片连接处，剩余极大值对应绝缘子片，而极小值为绝缘子间连接区域。若绝缘子片出现缺失情况，其表层破损使得该区域极小值较低。而绝缘子片间夹有异物时，该区域极小值远大于其他区域的极小值。基于此，实现了接触网绝缘子故障状态的识别。

本文通过大量实验，总结出下式可作为不良状态的判据。

3 绝缘子不良状态检测实例

3.1 绝缘子夹杂异物检测

图2为处于夹杂异物不良状态下绝缘子的预处理图和其灰度统计图。

图2 绝缘子夹杂异物不良状态检测

表1为绝缘子灰度统计最小值，从表中可以看出，该组第5个极小值满足判据。从而判断第4与第5片之间夹有异物。

表1 绝缘子灰度统计最小值

3.2 绝缘子夹片缺失检测

3.2.1 绝缘子边缘片不良状态检测

本文方法还实现了绝缘子夹片缺失状态检测。表2和图3分别为绝缘子灰度统计极小值表和预处理效果图。

图3 绝缘子边缘片缺失不良状态检测

表2 绝缘子灰度统计最小值

由表2得出，第1个极小值满足判据，判断此处绝缘子片缺失。

3.2.2 绝缘子中间片缺失不良状态检测

图4为绝缘子中间片缺失情况下的处理过程图。表3为其绝缘子灰度统计极小值表。从中可以看出，第6个极小值满足判据，判断此区域绝缘子片缺失。

图4 绝缘子中间夹片缺失不良状态检测

表3 绝缘子灰度统计最小值

3.3 结果统计

对所采集的绝缘子的图像集，采用本文所述方法进行了检测与识别，结果如表4所示。从表中可以看出，本文方法对于正常状态能够准确地识别，对于夹层异物和夹片缺失两类不良状态也能够达到较好的检测识别，说明本文方法具有一定的有效性和良好的工程应用价值。

表4 绝缘子检测结果统计表

4 结语

本文介绍了一种基于图像处理技术接触网绝缘子状态的检测方法。首先，采集待检测绝缘子图像，然后运用图像增强、形态学运算等图像处理技术处理，对提取的绝缘子图像进行了角度校正，最终根据缘子图像灰度值统计图，结合绝缘子状态判据，完成绝缘子故障状态的判断与定位。通过对采集的实际接触网图像进行了不良状态检测测试，结果表明，该方法具有良好的识别效果，具有较好的准确性和良好的工程应用价值。