一种接触网支持装置螺栓松动状态识别方法与系统与流程

本发明涉及螺栓松动状态识别，具体而言，涉及一种接触网支持装置螺栓松动状态识别方法与系统。

背景技术：

1、接触网支持装置是铁路供电系统的关键组成部分，其安全性直接影响列车运行的可靠性。在接触网支持装置中，螺栓连接是最基础也是最重要的紧固方式。由于列车运行产生的持续振动、温度变化和外部环境影响，螺栓可能发生松动，导致支持装置结构稳定性下降。就目前而言，传统的螺栓检测主要依靠人工巡检，一方面检测效率低下，需要大量人力资源且检测速度慢；另一方面检测结果主观性强，不同检测人员的判断标准不一致，难以建立统一的评估体系，并且人工检测成本高，且随着线路增加，维护压力不断加大。因此，针对上述问题，我们设计了一种接触网支持装置螺栓松动状态识别方法与系统。

技术实现思路

1、本发明的目的在于提供一种接触网支持装置螺栓松动状态识别方法与系统，其不仅通过深度学习区域定位算法实现接触网支持装置的螺栓区域精准检测，而且基于特定部件定位识别技术，能够准确提取螺栓六角点坐标，基于此建立了基于角度变化的多维度松动状态判定机制，能够实现螺栓松动状态的精确分级和及时预警，为设备维护提供可靠依据。

2、本发明通过以下技术方案实现：

3、一种接触网支持装置螺栓松动状态识别方法，该方法的步骤包括：

4、获取接触网支持装置的图像数据；

5、对接触网支持装置的图像数据进行预处理；

6、对接触网支持装置的图像数据进行区域定位；

7、对定位区域进行螺栓特定部件定位识别；

8、基于螺栓特定部件定位识别结果与区域定位识别结果，将螺栓特定部件进行分类，并完成螺栓特定部件的松动状态精确识别。

9、可选的，所述获取接触网支持装置的图像数据，其具体基于相机按照设定周期对接触网支持装置进行采集，以获取接触网支持装置的图像数据。

10、可选的，所述对接触网支持装置的图像数据进行预处理，其具体为：基于相机标定算法标定采集接触网支持装置图像数据的相机，得到相机标定参数，基于相机标定参数对接触网支持装置图像数据进行图像校正，完成接触网支持装置图像数据的预处理。

11、可选的，所述对接触网支持装置的图像数据进行区域定位，其具体过程为：

12、获取接触网支持装置历史图像数据；

13、将接触网支持装置历史图像数据的像素值缩放到[0,1]区间，并划分为训练集与测试集，采用yolo格式对接触网支持装置的零部件连接部位进行标注；

14、基于yo l ov5算法建立区域定位识别模型，通过训练集对区域定位识别模型进行计算，输出初始区域定位识别结果；

15、计算测试集与初始区域定位识别结果之间的损失值，并对区域定位识别模型的参数进行迭代，直至达到预设迭代轮次，输出完成训练的区域定位识别模型；

16、基于区域定位识别模型完成接触网支持装置图像数据的区域定位，并输出区域定位识别结果。

17、可选的，所述区域定位识别模型，在训练过程中，还引入了tensorrt加速算法，其具体为：

18、

19、其中，ptrt为tensorrt性能评估值，r为初始浮点数值，z为零点偏移值，s为量化比例因子，to为原始模型推理时间，tt为tensorrt优化后推理时间，ao为区域定位识别模型的初始精度，at为tensorrt优化后精度，rmax、rmin分别为初始浮点数最大最小值，qmax、qmin分别为量化整数最大最小值。

20、可选的，所述将螺栓特定部件进行分类，包括：第一螺栓松动状态与第二螺栓松动状态，其中，第一螺栓松动状态具体为：

21、基于螺栓特定部件定位识别结果，获取两个时间点的螺栓特定部件图像数据，包括：当前螺栓特定部件图像数据与基准螺栓特定部件图像数据；

22、通过homographynet深度学习配准算法计算当前螺栓特定部件图像数据相对于基准螺栓特定部件图像数据的旋转矩阵；

23、将当前螺栓特定部件图像数据的六角点坐标转换到与基准螺栓特定部件图像数据对齐的位置，计算对齐后的中心点；

24、基于对齐后的中心点作为角度参考基准，计算当前螺栓特定部件角度；

25、基于当前螺栓特定部件角度建立角度历史数据库，并设定多级松动判定条件，以获取第一螺栓松动状态。

26、可选的，所述多级松动判定条件，其具体为：

27、计算当前螺栓特定部件图像数据相对于基准螺栓特定部件图像数据的累计角度变化，计算相邻两次的角度变化量，计算单位时间内的角度变化速率；

28、若当前螺栓特定部件图像数据相对于基准螺栓特定部件图像数据的角度变化超过第一阈值；

29、若单位时间内角度变化速率超过速率阈值；

30、以上任一条件满足即判定为第一螺栓松动状态的第一程度；

31、若当前螺栓特定部件图像数据相对于基准螺栓特定部件图像数据的角度变化超过第二阈值但未达到第一阈值，且单位时间内角度变化速率未超过速率阈值，同时满足以上条件即判定为第一螺栓松动状态的第二程度；

32、若当前螺栓特定部件图像数据相对于基准螺栓特定部件图像数据的角度变化在第二阈值内，且角度变化速率未超过速率阈值，同时满足以上条件即判定为第一螺栓松动状态的第三程度。

33、一种接触网支持装置螺栓松动状态识别系统，包括：

34、采集单元，获取接触网支持装置的图像数据，对接触网支持装置的图像数据进行预处理；

35、定位识别单元，对接触网支持装置的图像数据进行区域定位，对定位区域进行螺栓特定部件定位识别；

36、松动状态识别单元，基于螺栓特定部件定位识别结果与区域定位识别结果，将螺栓特定部件进行分类，并完成螺栓特定部件的松动状态精确识别。

37、本发明的技术方案至少具有如下优点和有益效果：

38、本发明不仅通过深度学习区域定位算法实现接触网支持装置的螺栓区域精准检测，而且基于特定部件定位识别技术，能够准确提取螺栓六角点坐标，基于此建立了基于角度变化的多维度松动状态判定机制，能够实现螺栓松动状态的精确分级和及时预警，为设备维护提供可靠依据。

1.一种接触网支持装置螺栓松动状态识别方法，其特征在于，该方法的步骤包括：

2.根据权利要求1所述的接触网支持装置螺栓松动状态识别方法，其特征在于，所述获取接触网支持装置的图像数据，其具体基于相机按照设定周期对接触网支持装置进行采集，以获取接触网支持装置的图像数据。

3.根据权利要求2所述的接触网支持装置螺栓松动状态识别方法，其特征在于，所述对接触网支持装置的图像数据进行预处理，其具体为：基于相机标定算法标定采集接触网支持装置图像数据的相机，得到相机标定参数，基于相机标定参数对接触网支持装置图像数据进行图像校正，完成接触网支持装置图像数据的预处理。

4.根据权利要求3所述的接触网支持装置螺栓松动状态识别方法，其特征在于，所述对接触网支持装置的图像数据进行区域定位，其具体过程为：

5.根据权利要求4所述的接触网支持装置螺栓松动状态识别方法，其特征在于，所述区域定位识别模型，在训练过程中，还引入了tensorrt加速算法，其具体为：

6.根据权利要求5所述的接触网支持装置螺栓松动状态识别方法，其特征在于，所述将螺栓特定部件进行分类，包括：第一螺栓松动状态与第二螺栓松动状态，其中，第一螺栓松动状态具体为：

7.根据权利要求6所述的接触网支持装置螺栓松动状态识别方法，其特征在于，所述多级松动判定条件，其具体为：

8.一种接触网支持装置螺栓松动状态识别系统，其特征在于，包括：