基于支持向量回歸的地鐵剛性接觸網(wǎng)導(dǎo)線磨耗檢測(cè)方法研究

魯堯

（深圳地鐵運(yùn)營集團(tuán)有限公司，廣東 深圳 518000）

1 概述

在受電弓和接觸網(wǎng)長(zhǎng)期接觸中會(huì)因?yàn)楦鞣N各樣的原因?qū)е陆佑|線磨損，如弓網(wǎng)接觸壓力、弓網(wǎng)摩擦、硬點(diǎn)等會(huì)導(dǎo)致接觸線產(chǎn)生機(jī)械磨損，而燃弧等原因又會(huì)造成接觸線的電氣磨損，長(zhǎng)此以往，若不及時(shí)處理，則可能對(duì)地鐵交通造成致命后果。因此，在地鐵實(shí)際運(yùn)營過程中，需要采取一定技術(shù)措施對(duì)接觸線磨耗進(jìn)行精確穩(wěn)定的檢測(cè)，以保障乘客安全以及城市的有序發(fā)展。

目前，針對(duì)接觸網(wǎng)磨耗的檢測(cè)方式大致可以分為2種：一種是接觸式檢測(cè)技術(shù)，如位移傳感器，該方式有較多缺陷，比如，投入高、效率低、難度大等；另一種是非接觸式檢測(cè)技術(shù)，主要通過超聲波、3D、面陣相機(jī)、線陣相機(jī)等方式，該種技術(shù)具有檢測(cè)效率高、投入少、精度高等諸多優(yōu)勢(shì)，因此也備受國內(nèi)外推崇。

本文所提出的方法就是線陣相機(jī)對(duì)接觸網(wǎng)掃描成像，進(jìn)一步利用圖像處理和機(jī)器學(xué)習(xí)相結(jié)合的方式對(duì)圖像中的磨耗區(qū)域進(jìn)行精確提取，最后計(jì)算得到接觸線磨耗值。該方法相比3D、超聲波等方式成本更低，相比僅僅利用傳統(tǒng)圖像處理更加精確和穩(wěn)定。

本文對(duì)提出的方法進(jìn)行較充分的實(shí)驗(yàn)驗(yàn)證，識(shí)別準(zhǔn)確率可達(dá)到99%以上，磨耗誤差精度可達(dá)到0.5mm 左右。

2 方法

本文所涉及的圖像數(shù)據(jù)由線陣相機(jī)采集，即通過安裝在車頂?shù)木€陣相機(jī)對(duì)地鐵剛性接觸網(wǎng)中的匯流排區(qū)域進(jìn)行等距掃描，然后將幀掃描數(shù)據(jù)拼接成一幅二維圖像用于后續(xù)處理。如圖1 所示，線陣相機(jī)掃描得到的數(shù)據(jù)具有較強(qiáng)的結(jié)構(gòu)特征，圖中有三條光帶，左右兩條光帶是匯流排邊緣凹槽部分，中間光帶是導(dǎo)線磨耗區(qū)域，本文所提出的算法重點(diǎn)就在于精確提取出圖像中每一行中間光帶的寬度，用以磨耗計(jì)算。

圖1 線陣相機(jī)采集的原始圖像

圖2 表征匯流排趨勢(shì)的曲線

本文所涉及的剛性接觸網(wǎng)導(dǎo)線磨耗檢測(cè)方法主要由三大部分組成：（1）獲取匯流排邊界曲線；（2）通過支持向量回歸算法獲取導(dǎo)線邊界曲線；（3）導(dǎo)線范圍內(nèi)提取磨耗區(qū)域并計(jì)算磨耗。

2.1 匯流排邊界提取

本文首先通過求取原始圖像橫向梯度圖，再進(jìn)行二值化，而不是直接對(duì)原圖進(jìn)行二值化操作。

在得到橫向梯度圖后，對(duì)梯度圖像進(jìn)行動(dòng)態(tài)二值化，即分塊并自適應(yīng)設(shè)置不同閾值，進(jìn)一步在二值化圖像中提取八連通域。

進(jìn)一步，每個(gè)連通域都可以跟蹤出一條完整圖像高度的曲線，在得到若干條曲線后，計(jì)算每條曲線所在像素的平均灰度值，并選取灰度值最大的曲線作為表征匯流排趨勢(shì)的曲線。

在得到表征匯流排趨勢(shì)的曲線后，將該曲線在原始圖像中向左移動(dòng)，每移動(dòng)一次，則計(jì)算一次該曲線的灰度均值，當(dāng)連續(xù)出現(xiàn)若干次灰度均值小于某閾值時(shí)，認(rèn)為找到了匯流排左邊界曲線。同理，將匯流排趨勢(shì)曲線向右移動(dòng)可搜索到匯流排右邊界曲線，如圖3 所示。

圖3 識(shí)別的匯流排左右邊界曲線示意

圖4 識(shí)別到的導(dǎo)線區(qū)域

圖5 識(shí)別出的磨耗區(qū)域

2.2 計(jì)算導(dǎo)線左右邊界

本文在計(jì)算導(dǎo)線左右邊界時(shí)，采用支持向量回歸的方式，該方式可以有效利用已有數(shù)據(jù)進(jìn)行有監(jiān)督學(xué)習(xí)，在應(yīng)用過程中需要調(diào)試的參數(shù)極少。

本文的任務(wù)就是通過已有的圖像數(shù)據(jù)先識(shí)別匯流排的左右邊界，左右邊界的坐標(biāo)作為訓(xùn)練數(shù)據(jù)，再通過人工手動(dòng)在圖像上標(biāo)記出導(dǎo)線坐標(biāo)作為擬合目標(biāo)值。

其中，di表示第i 幀匯流排左右邊界坐標(biāo)，因?yàn)槭蔷€陣相機(jī)，因此只需要橫坐標(biāo)即可，即xi,1表示第i 幀匯流排左邊界坐標(biāo)，xi,2表示匯流排右邊界坐標(biāo)；ti表示第i 幀人工標(biāo)記的導(dǎo)線左右邊界坐標(biāo)，即表示第i 幀導(dǎo)線左邊界坐標(biāo)，第i 幀導(dǎo)線右邊界坐標(biāo)。

在標(biāo)記了一定數(shù)量的樣本后，可通過以下數(shù)學(xué)模型進(jìn)行訓(xùn)練：

其中，w、b 是需要訓(xùn)練得到的模型參數(shù)，ε為管道參數(shù)，實(shí)際應(yīng)用中，ε設(shè)置太小無法保證所有樣本點(diǎn)都在管道內(nèi)，ε太大回歸超平面會(huì)被一些異常點(diǎn)帶偏，因此，可根據(jù)實(shí)際測(cè)試效果設(shè)置；為松弛變量；φ(■)為某種非線性映射關(guān)系。

通過上述模型進(jìn)行訓(xùn)練可得到一組超平面參數(shù)，即w*，b*。在實(shí)時(shí)檢測(cè)階段，當(dāng)收到一幅新的圖像時(shí)，先識(shí)別到匯流排的左右邊界，然后即可通過超平面參數(shù)計(jì)算得到導(dǎo)線左右邊界，即

2.3 識(shí)別磨耗區(qū)域

識(shí)別到導(dǎo)線區(qū)域后，在導(dǎo)線范圍內(nèi)通過像素灰度變化即可識(shí)別磨耗區(qū)域。

首先，在某一幀的導(dǎo)線范圍內(nèi)搜索出最大灰度值，然后根據(jù)該最大灰度值設(shè)定一個(gè)灰度閾值，本文將該閾值設(shè)置為當(dāng)前幀導(dǎo)線范圍內(nèi)最大灰度值的0.8 倍。

在導(dǎo)線范圍內(nèi)搜索出連續(xù)大于上述灰度閾值的最長(zhǎng)線段，該線段的范圍即是當(dāng)前幀的磨耗區(qū)域。

在識(shí)別到導(dǎo)線區(qū)域后，根據(jù)事先標(biāo)定好的像素精度即可計(jì)算出磨耗弦長(zhǎng)或高度，即磨耗弦長(zhǎng)為磨耗區(qū)域像素寬度乘以像素精度。

3 實(shí)驗(yàn)

本文實(shí)驗(yàn)所用的數(shù)據(jù)是由8K 線陣相機(jī)采集，每次拼接1000 行進(jìn)行處理，即單次處理圖像大小為。

本次測(cè)試所用訓(xùn)練圖像2000 張，測(cè)試圖像5000 張，模型訓(xùn)練階段損失曲線如圖6 所示。

圖6 磨耗區(qū)域識(shí)別效果示意

圖7 磨耗誤差分布示意圖

在經(jīng)過600 次epoch 后損失基本不變，表明此時(shí)訓(xùn)練基本達(dá)到收斂狀態(tài)。

在測(cè)試階段，其匯流排邊界正確識(shí)別率為99.66%，導(dǎo)線邊界正確識(shí)別率為99.32%，具體如表1 所示。

表1 匯流排與導(dǎo)線邊界識(shí)別統(tǒng)計(jì)

表2 磨耗誤差分布統(tǒng)計(jì)

本次測(cè)試圖像涉及線路里程數(shù)為20km，算法測(cè)量出磨耗值后根據(jù)公里標(biāo)人工復(fù)核200 處，最大誤差0.63mm，最小誤差0.17mm，平均誤差0.44mm，其中誤差0.4 ～0.5 占比63%，誤差0.6mm 以下占99%。

4 結(jié)語

本文對(duì)地鐵剛性接觸網(wǎng)導(dǎo)線磨耗檢測(cè)方法進(jìn)行了研究，提出了一種傳統(tǒng)圖像處理和機(jī)器學(xué)習(xí)相結(jié)合的磨耗測(cè)量方法，其導(dǎo)線識(shí)別正確率可達(dá)到99%以上，磨耗誤差可達(dá)到0.5mm 左右，相較僅利用傳統(tǒng)圖像處理，其穩(wěn)定性和精度都有較大提升，已達(dá)到可在實(shí)際工程中應(yīng)用的水平，后續(xù)的研究方向是進(jìn)一步提高檢測(cè)精度。