Isulseur polymère de chemin de fer électrique

Les isolateurs ferroviaires électrifiés sont un équipement important dans le dispositif de suspension de support caténaire, et leur statut affecte la stabilité du système d'alimentation de traction. Par conséquent, il est nécessaire d'étudier les méthodes de détection de statut en temps réel et intelligentes. Une identification précise et efficace des isolateurs est la prémisse pour réaliser une détection intelligente de l'isolateur mauvais état, garantissant que les travaux de détection ultérieurs sont effectués dans l'image locale cible, réduisant la difficulté de détection de l'État et le calcul des algorithmes de détection, améliorant ainsi la vitesse de la vitesse de détection et précision des résultats de détection. Cet article prend les images à haute efficacité et claires collectées par le véhicule d'inspection complète des chemins de fer comme échantillon et applique les technologies connexes de vision par ordinateur pour réaliser l'identification efficace des isolants de chemin de fer électrifiés. Premièrement, les deux principaux types de méthodes de reconnaissance cible sont introduits: la correspondance du modèle et la reconnaissance des modèles statistiques; Ensuite, la méthode de correspondance d'images basée sur des fonctionnalités est utilisée pour réaliser la reconnaissance de l'isolateur; Enfin, la méthode de reconnaissance des motifs statistiques est utilisée pour extraire trois caractéristiques des isolateurs: Haar, LBP et HOG. Après la formation, le classificateur obtenu est utilisé pour l'identification de l'isolateur. Pour l'identification des isolateurs de chemin de fer électrifiés par correspondance de modèles, cet article utilise trois méthodes de correspondance de caractéristiques basées sur SIFT, SURF et ORB pour réaliser l'identification de l'isolateur, et analyse et compare les effets d'identification des trois méthodes, et conclut que les performances complètes du surf est mieux. . Afin de comparer les effets de reconnaissance des trois méthodes de correspondance, une interface MFC amicale qui peut pleinement réaliser que le processus de reconnaissance est conçu. Pour la méthode de reconnaissance des modèles statistiques, l'algorithme Adaboost et SVM sont utilisés pour former le classificateur. Pour les caractéristiques du HAAR et les fonctionnalités LBP, l'algorithme Adaboost est utilisé pour la formation des classificateurs, et grâce à l'évaluation des classificateurs générés, il est conclu que la modification de la méthode d'interception, la taille et le nombre d'échantillons positifs et négatifs peuvent améliorer considérablement les performances du classificateur . Pour la fonction HOG, SVM est utilisé pour former le classificateur, et la modification de la méthode d'interception, de la taille et du nombre d'échantillons positifs et négatifs peut améliorer l'effet de reconnaissance dans une certaine mesure. Dans l'expérience, dans l'environnement de Visual Studio 2013 et OpenCV3.0, l'identification des isolateurs ferroviaires électrifiés est réalisée par programmation. Les résultats expérimentaux montrent que pour la reconnaissance de l'isolateur basée sur la correspondance d'images, les performances de reconnaissance peuvent être considérablement améliorées en éliminant l'inadéquation. Pour l'identification de l'isolateur basé sur la méthode de reconnaissance des motifs statistiques, la modification de la méthode d'interception, de la taille et du nombre d'échantillons positifs et négatifs peut améliorer considérablement l'effet d'identification. Avec la méthode, la taille et la quantité et la quantité appropriées de l'échantillon, un classificateur en cascade de caractéristiques LBP est obtenu, qui a une précision et une vitesse élevées.

Groupes de Produits : Isolant en caoutchouc en silicone > Isolant de chemin de fer