李世斌,胡金東,王 輝,李 團(tuán)
(1.中國(guó)鐵路南寧局集團(tuán)有限公司 供電部,高級(jí)工程師,廣西 南寧 530029;2.中國(guó)鐵路南寧局集團(tuán)有限公司 工電檢測(cè)所,高級(jí)工程師,廣西 南寧 530029;3.成都交大光芒科技股份有限公司,工程師,四川 成都 610041;4.中國(guó)鐵路南寧局集團(tuán)有限公司 工電檢測(cè)所,工程師,廣西 南寧 530029)
接觸網(wǎng)隔離開(kāi)關(guān)是高速鐵路牽引供電回路重要組成部分,是電氣化鐵路牽引供電系統(tǒng)重要設(shè)備之一,接觸網(wǎng)隔離開(kāi)關(guān)可視化系統(tǒng)對(duì)于快速隔離故障區(qū)域、及時(shí)縮小停電范圍、及時(shí)分段作業(yè)從而減輕現(xiàn)場(chǎng)人員的勞動(dòng)強(qiáng)度,通過(guò)智能識(shí)別技術(shù)實(shí)現(xiàn)接觸網(wǎng)隔離開(kāi)關(guān)狀態(tài)自動(dòng)識(shí)別,對(duì)于供電設(shè)備的高效運(yùn)行有著重要意義。
國(guó)內(nèi)已有不少相關(guān)的技術(shù)研究,王丹等[1]提出采用暗通道先驗(yàn)算法做預(yù)處理,基于SIFT網(wǎng)開(kāi)關(guān)定位,最后使用Hough 變換相結(jié)合的方式實(shí)現(xiàn)網(wǎng)開(kāi)關(guān)狀態(tài)識(shí)別。陳富國(guó)等[2]提出采用通過(guò)翻字牌信息實(shí)現(xiàn)隔離開(kāi)關(guān)的狀態(tài)識(shí)別,該算法是間接實(shí)現(xiàn)隔離開(kāi)關(guān)的狀態(tài)識(shí)別。騰云等[3]提出采用基于方向梯度直方圖(HOG)和支持向量機(jī)(SVM)相結(jié)合高壓隔離開(kāi)關(guān)分合閘狀態(tài)搜索識(shí)別算法,該算法首先采用SVM二分類算法實(shí)現(xiàn)開(kāi)關(guān)的目標(biāo)檢測(cè),接著判斷開(kāi)關(guān)的邊界輪廓。由于接觸網(wǎng)隔離開(kāi)關(guān)是安裝在室外,環(huán)境變化復(fù)雜,例如不同光照,天氣,異物等影響算法準(zhǔn)確識(shí)別,已知的研究并沒(méi)有詳細(xì)說(shuō)明復(fù)雜環(huán)境下的識(shí)別技術(shù)。本文將結(jié)合目標(biāo)檢測(cè)技術(shù)及多種邊緣檢測(cè)技術(shù)及擬合技術(shù),研究復(fù)雜背景下的接觸網(wǎng)隔離開(kāi)關(guān)自適應(yīng)精確狀態(tài)識(shí)別技術(shù)。
接觸網(wǎng)隔離開(kāi)關(guān)狀態(tài)識(shí)別,需解決四個(gè)主要問(wèn)題:①不同天氣、光照、異物影響下網(wǎng)開(kāi)關(guān)的準(zhǔn)確定位;②準(zhǔn)確的網(wǎng)開(kāi)關(guān)分割;③連續(xù)的網(wǎng)開(kāi)關(guān)狀態(tài)輸出;④不同安裝位置對(duì)于算法的影響。
接觸網(wǎng)開(kāi)關(guān)狀態(tài)識(shí)別采用深度學(xué)習(xí)及多種邊緣檢測(cè)技術(shù)及擬合的方式,具體步驟如下:①通過(guò)接觸網(wǎng)開(kāi)關(guān)定位技術(shù)實(shí)現(xiàn)了接觸網(wǎng)開(kāi)關(guān)的準(zhǔn)確定位;②利用接觸網(wǎng)開(kāi)關(guān)目標(biāo)定位信息,采用復(fù)合邊緣檢測(cè)技術(shù)實(shí)現(xiàn)接觸網(wǎng)開(kāi)關(guān)邊緣的準(zhǔn)確檢測(cè),復(fù)合邊緣檢測(cè)技術(shù)基于多種邊緣檢測(cè)技術(shù)及擬合技術(shù)實(shí)現(xiàn)接觸網(wǎng)開(kāi)關(guān)邊緣信息準(zhǔn)確提取。③在獲取到接觸網(wǎng)開(kāi)關(guān)邊緣信息后,利用標(biāo)注信息,進(jìn)行接觸網(wǎng)開(kāi)關(guān)開(kāi)合角度的計(jì)算,進(jìn)而利用配置信息及開(kāi)合角度實(shí)現(xiàn)接觸網(wǎng)開(kāi)關(guān)狀態(tài)的識(shí)別,如圖1所示。
圖1 接觸網(wǎng)開(kāi)關(guān)狀態(tài)識(shí)別流程
針對(duì)接觸網(wǎng)隔離開(kāi)關(guān)目標(biāo)定位算法要求,準(zhǔn)備算法數(shù)據(jù)集。數(shù)據(jù)集分別來(lái)自兩個(gè)數(shù)據(jù)源:①現(xiàn)場(chǎng)安裝設(shè)備所獲取的圖像;②自行搭建的網(wǎng)開(kāi)關(guān)裝置,并安裝攝相機(jī)取得的圖像。為提升算法數(shù)據(jù)集的有效性,根據(jù)技術(shù)要求,分別采集不同時(shí)間段(早上,上午,中午,傍晚,夜間),不同視角,不同焦距段的網(wǎng)開(kāi)關(guān)圖像。通過(guò)采用接觸網(wǎng)隔離開(kāi)關(guān)遠(yuǎn)動(dòng)控制系統(tǒng)遠(yuǎn)程控制接觸網(wǎng)網(wǎng)開(kāi)關(guān)的分合狀態(tài)或者手動(dòng)控制接觸網(wǎng)隔離開(kāi)關(guān)的分合狀態(tài),采用視頻記錄的方式獲得了接觸網(wǎng)開(kāi)關(guān)不同狀態(tài)的視頻圖像?,F(xiàn)場(chǎng)圖像因?yàn)榘惭b點(diǎn)位的原因,圖像的可調(diào)視角較小,但是可以調(diào)整不同焦距,獲得大量圖像。自行搭建的網(wǎng)開(kāi)關(guān)裝置,可以方便的調(diào)整接觸網(wǎng)開(kāi)關(guān)的開(kāi)合狀態(tài),并且調(diào)整相機(jī)的安裝角度,這樣獲取了一定數(shù)量的圖像數(shù)據(jù)集:訓(xùn)練數(shù)據(jù)集2000張,測(cè)試數(shù)據(jù)集500張。典型的接觸網(wǎng)開(kāi)關(guān)圖像如圖2 所示。為了豐富數(shù)據(jù)集,經(jīng)過(guò)旋轉(zhuǎn)、對(duì)比度處理、裁剪、縮放等預(yù)處理過(guò)程,將訓(xùn)練集由2000張擴(kuò)充為6000張,測(cè)試數(shù)據(jù)集由500張擴(kuò)充到2400 張。完成數(shù)據(jù)集擴(kuò)充后,采用Labelme 標(biāo)注工具對(duì)數(shù)據(jù)集進(jìn)行標(biāo)注,完成了訓(xùn)練數(shù)據(jù)集及測(cè)試數(shù)據(jù)集標(biāo)注。
圖2 典型的接觸網(wǎng)開(kāi)關(guān)圖像
2.3.1 網(wǎng)開(kāi)關(guān)定位算法
網(wǎng)開(kāi)關(guān)定位算法采用YOLOv5 基礎(chǔ)算法框架。YOLOv5 是一種單階段目標(biāo)檢測(cè)算法,目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)處理的基礎(chǔ)算法,主要分為傳統(tǒng)目標(biāo)檢測(cè)算法、基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法。傳統(tǒng)目標(biāo)檢測(cè)算法典型代表算法:Harr 特征+Adaboost 算法[4],Hog 特征+SVM 算法[5]等。深度學(xué)習(xí)目標(biāo)檢測(cè)算法主要有:RCNN 系列[6],fast-rcnn 算法[7],YOLO 系列[8,9]等。YOLOv5 算法主要在輸入端、基礎(chǔ)網(wǎng)絡(luò)、neck 網(wǎng)絡(luò)、head 輸出層等做了優(yōu)化創(chuàng)新,主要?jiǎng)?chuàng)新點(diǎn)有:引入了masic數(shù)據(jù)增強(qiáng),F(xiàn)ocus結(jié)構(gòu)、CSP結(jié)構(gòu)、FPN+PAN結(jié)構(gòu)等,使其速度與精度都得到了極大的性能提升。
為了進(jìn)一步提升算法的效率,用MobileNetV2[10]模型替換YOLOv5 算法模型中的提取模塊,MobileNetV2 主要利用了殘差連接和深度可分離卷積的思想,該網(wǎng)絡(luò)模塊采用了低維壓縮表示的方法,實(shí)現(xiàn)了推理過(guò)程中不涉及很大的張量,減少了對(duì)于計(jì)算設(shè)備高性能的要求,MobileNetV2構(gòu)造了兩個(gè)基礎(chǔ)模塊,如圖3所示。
圖3 MobileNetV2的兩個(gè)基本組件
其中,conv 表示卷積操作,Dwise 表示深度可分卷積;Relu6表示激活函數(shù);stride表示卷積操作步長(zhǎng)
2.3.2 模型訓(xùn)練
基于網(wǎng)開(kāi)關(guān)定位算法,模型構(gòu)建完畢之后,開(kāi)始進(jìn)行模型的訓(xùn)練。調(diào)整的訓(xùn)練參數(shù)主要有:優(yōu)化器,學(xué)習(xí)率,訓(xùn)練周期,batch-size,圖像尺寸,見(jiàn)表1。
表1 訓(xùn)練參數(shù)
接觸網(wǎng)隔離開(kāi)關(guān)定位模型的評(píng)價(jià)指標(biāo)包含召回率(R,Recall)、精確率(P,Precision)。召回率計(jì)算公式如式(1)所示,精確率計(jì)算公式如式(2)所示,算法測(cè)試結(jié)果見(jiàn)表2。
公式1、2 中字符定義:TP(True Positive)為正確定位目標(biāo)數(shù)量,F(xiàn)P(False Positive)為目標(biāo)錯(cuò)誤定位數(shù)量,F(xiàn)N(False Negative)為是目標(biāo)而沒(méi)有定位數(shù)量。
表2 網(wǎng)開(kāi)關(guān)定位算法檢測(cè)結(jié)果
通過(guò)網(wǎng)開(kāi)關(guān)定位算法,實(shí)現(xiàn)了隔離開(kāi)關(guān)的準(zhǔn)確定位,要解決網(wǎng)開(kāi)關(guān)準(zhǔn)確的開(kāi)合角度計(jì)算。由于,接觸網(wǎng)隔離開(kāi)關(guān)工作場(chǎng)景是戶外,這就會(huì)遇到復(fù)雜的光照環(huán)境(白天:晴天,陰天,雨雪天,太陽(yáng)背光,逆光等;晚上:設(shè)備照明),為了克服不同光照、噪聲、不同輸入形態(tài)(彩色圖像,黑白圖像,異物等)等因素的影響,通過(guò)多種直線檢測(cè)算法及不同參數(shù)設(shè)置,實(shí)現(xiàn)穩(wěn)定的網(wǎng)開(kāi)關(guān)邊緣直線提取與擬合技術(shù),實(shí)現(xiàn)穩(wěn)定準(zhǔn)確的網(wǎng)開(kāi)關(guān)邊緣線提取,這里稱之為復(fù)合邊緣檢測(cè)。算法過(guò)程如下:
①采用Hough[12]直線檢測(cè),LSD 直線檢測(cè)[13],EDLines 直線檢測(cè)[14]等算法,每種算法采用不同的參數(shù),實(shí)現(xiàn)直線檢測(cè)。
②針對(duì)以上直線檢測(cè)結(jié)果,進(jìn)行直線擬合,將同方向的直線進(jìn)行連接,獲得長(zhǎng)直線,這些擬合直線和原有的直線一起,組成直線集。
③基于直線以上檢測(cè)結(jié)果,刪除長(zhǎng)度較小以及定位區(qū)域外的直線。
④統(tǒng)計(jì)每個(gè)角度的直線的數(shù)量,保留直線數(shù)量最大的直線。
⑤去除中間直線,只保留兩側(cè)兩根直線,并優(yōu)先保留LSD,EDlines 直線檢測(cè)結(jié)果。這兩條直線就是最終的計(jì)算直線。圖4展示了白天情況下的接觸網(wǎng)開(kāi)關(guān)復(fù)合邊緣檢測(cè)效果。
圖4 復(fù)合邊緣檢測(cè)
基于以上復(fù)合邊緣檢測(cè)算法,測(cè)試了網(wǎng)開(kāi)關(guān)開(kāi)合角度計(jì)算的準(zhǔn)確性,具體測(cè)試結(jié)果見(jiàn)表3,可以看出測(cè)量角度的誤差小于0.2度,計(jì)算比較準(zhǔn)確。
表3 網(wǎng)開(kāi)關(guān)開(kāi)合角度計(jì)算
基于準(zhǔn)確的復(fù)合邊緣提取,就可以計(jì)算網(wǎng)開(kāi)關(guān)的開(kāi)合角度,利用已知的先驗(yàn)信息(極限定位標(biāo)注信息),可以判斷網(wǎng)開(kāi)關(guān)的開(kāi)合狀態(tài),根據(jù)預(yù)設(shè)閾值,來(lái)判斷隔離開(kāi)關(guān)是不是處于不到位狀態(tài)。接觸網(wǎng)開(kāi)關(guān)角度定義見(jiàn)圖5。假設(shè)接觸網(wǎng)開(kāi)關(guān)合閘判定極限角度α,合閘臨界角度φ,分閘判定位置β,分閘極限角度為θ,容許角度ε。假設(shè)當(dāng)前獲取的接觸網(wǎng)開(kāi)關(guān)角度為X,開(kāi)合狀態(tài)判斷邏輯見(jiàn)表4。
表4 網(wǎng)開(kāi)關(guān)狀態(tài)判斷邏輯
圖5 接觸網(wǎng)開(kāi)關(guān)角度定義
為解決復(fù)雜的戶外接觸網(wǎng)開(kāi)關(guān)的狀態(tài)精確識(shí)別問(wèn)題,提出一種基于MobileNetV2 特征提取網(wǎng)絡(luò)進(jìn)行速度優(yōu)化的YOLOv5目標(biāo)定位技術(shù)與復(fù)合邊緣檢測(cè)技術(shù)相結(jié)合的接觸網(wǎng)開(kāi)關(guān)狀態(tài)自適應(yīng)精確識(shí)別技術(shù),該技術(shù)很好的解決了戶外復(fù)雜背景下的接觸網(wǎng)隔離開(kāi)關(guān)狀態(tài)識(shí)別問(wèn)題,通過(guò)該技術(shù),接觸網(wǎng)隔離開(kāi)關(guān)的定位準(zhǔn)確率達(dá)到99.92%,狀態(tài)識(shí)別精度小于0.2度,且已經(jīng)應(yīng)用到現(xiàn)場(chǎng),取得了較好的實(shí)驗(yàn)效果,具備工程應(yīng)用推廣價(jià)值。