一种用于单轨车辆的受电弓铜基滑块检测系统及方法与流程

1.本技术涉及轨道车辆受电弓滑块检测技术领域，尤其涉及一种用于单轨车辆的受电弓铜基滑块检测系统及方法。

背景技术：

2.受电弓滑块作为轨道车辆接供电系统的导流装置，对机车持续供电的同时，也会由于长期运行带来的磨损导致接触不良，如果检修不及时，可能会对车辆的正常运行带来安全隐患。因此对轨道车辆受电弓滑块进行定期检测，确保机车受流装置处于正常运行状态具有重要意义。
3.当前，对受电弓滑块的检测，还是以人工检测为主。按当前单轨车检修规程，在每三天一次的列检时，用专用的游标卡尺，对滑块厚度进行检测。呈现出效率低，检查质量依靠检修人员经验，容易出现误判的现状。同时存在以下问题：检测装置布置于受电弓上，实现全线受电弓接触状态检测的成本较高；对单轨车受电弓接触状态影响最大是受电弓滑块的剩余厚度，因此加强对滑块的剩余厚度的检测，对确保在线列车受电弓的正常状态有重要意义；设备布置于钢梁上，与接触网直接接触，不利于设备的检修；图像采集设备位于接触网后，由于接触网的遮挡，组合后的图像仍无法完全展示出滑块与接触直接接触部分的滑块真实图像。

技术实现要素：

4.本技术实施例提供了一种用于单轨车辆的受电弓铜基滑块检测系统及方法，以至少通过本发明解决了受电弓滑块检测精度与检测效率低、检测成本高、由于检测设备安装位置不合理导致检测设备检修不方便、图像采集设备安装位置设计不合理，导致组合后的图像无法完全展示出滑块与直接接触部分的真实图像等问题。
5.本发明提供了一种用于单轨车辆的受电弓铜基滑块检测系统，包括：
6.滑块身份信息获得单元：接收并根据过车信号触发车号识别与滑块定位后，输出滑块身份信息；
7.滑块图像信息获得单元：当所述滑块身份信息获得单元检测到滑块时，触发所述滑块图像信息获得单元对所述滑块进行抓拍，获取滑块图像信息；
8.滑块厚度数据测量单元：对所述滑块图像信息进行检测获得滑块轮廓，通过滑块厚度测量算法对所述滑块轮廓进行处理，获得滑块厚度数据后，根据所述滑块厚度数据与所述滑块身份信息生成铜基滑块检测工单；
9.滑块运行状态预测单元：根据铜基滑块检测工单数据，通过特征处理算法对滑块厚度进行预测，获得滑块运行状态预测结果。
10.上述的受电弓铜基滑块检测系统，其中，所述滑块身份信息获得单元包括：
11.接车雷达模块，采集并输出所述过车信号；
12.图像采集控制模块，根据所述过车信号输出车号识别指令及滑块定位指令；
13.车号识别模块，根据所述车号识别指令识别车辆车号获得所述车号信息；
14.滑块定位模块，根据所述滑块定位指令对所述滑块进行定位并输出触发顺序数据及抓拍指令。
15.上述的受电弓铜基滑块检测系统，其中，所述滑块身份信息获得单元还包括：
16.身份信息整合模块：将所述车号信息及所述触发顺序数据整合获得所述滑块身份信息。
17.上述的受电弓铜基滑块检测系统，其中，所述滑块图像信息获得单元包括：
18.滑块抓拍模块，所述滑块定位模块根据所述滑块定位指令，检测接触网位置是否有滑块经过，当所述滑块定位模块检测到所述滑块经过所述接触网时输出所述抓拍指令，所述滑块抓拍模块根据所述抓拍指令采集获得所述滑块的所述滑块图像信息。
19.上述的受电弓铜基滑块检测系统，其中，所述滑块厚度数据测量单元包括：
20.图像分析处理模块，所述图像分析处理模块通过opencv图像处理算法，对所述滑块图像信息进行预处理后，通过深度学习算法对预处理后的所述滑块图像信息进行轮廓检测，获得所述滑块轮廓；所述图像分析处理模块对所述滑块轮廓进行处理获得滑块磨损最严重区域像素数，对所述滑块磨损最严重区域像素数与滑块未磨损区域像素数进行比对，获得所述滑块厚度数据。
21.上述的受电弓铜基滑块检测系统，其中，所述滑块运行状态预测单元通过统计分析提取所述铜基滑块检测工单中所述滑块厚度数据的数值化统计特征后，通过机器学习的所述特征处理算法对所述数值化统计特征进行处理，获得滑块厚度变化规律后，根据所述滑块厚度变化规律，预测获得所述滑块运行状态预测结果；
22.所述滑块运行状态预测单元在所述铜基滑块检测工单中所述滑块运行状态预测结果。
23.本发明还提供一种用于单轨车辆的受电弓铜基滑块检测方法，其中，适用于上述所述的受电弓铜基滑块的检测系统，所述受电弓铜基滑块检测方法包括：
24.滑块身份信息获得步骤：根据过车信号采集获得车号信息后，根据所述车号信息与触发顺序数据，获得滑块身份信息；
25.滑块图像信息获得步骤：根据检测结果采集获取滑块图像信息；
26.滑块厚度数据测量步骤：通过图像处理算法对所述滑块图像信息进行检测获得滑块轮廓，通过滑块厚度测量算法对所述滑块轮廓进行处理，获得滑块厚度数据，根据所述滑块厚度数据与所述滑块身份信息生成铜基滑块检测工单；
27.滑块运行状态预测步骤：根据铜基滑块检测工单数据，通过特征处理算法对滑块厚度进行预测，获得滑块运行状态预测结果。
28.受电弓铜基滑块检测方法，其中，所述滑块图像信息获得步骤包括：
29.通过检测接触网位置是否有滑块经过，获得所述检测结果；
30.当所述检测结果为所述滑块经过所述接触网时，采集所述滑块图像信息。
31.受电弓铜基滑块检测方法，其中，所述滑块厚度数据测量步骤包括：
32.通过opencv图像处理算法，对所述滑块图像信息进行预处理；
33.通过深度学习算法对预处理后的滑块图像进行轮廓检测，获得所述滑块轮廓；
34.对所述滑块轮廓进行处理获得滑块磨损最严重区域像素数，对所述滑块磨损最严
重区域像素数与滑块未磨损区域像素数进行比对，获得所述滑块厚度数据。
35.受电弓铜基滑块检测方法，其中，所述滑块运行状态预测步骤包括：
36.通过统计分析提取所述铜基滑块检测工单中所述滑块厚度数据的数值化统计特征后，通过机器学习的所述特征处理算法对所述数值化统计特征进行处理，获得滑块厚度变化规律后，根据所述滑块厚度变化规律，预测获得所述滑块运行状态预测结果；
37.所述滑块运行状态预测单元在所述铜基滑块检测工单中所述滑块运行状态预测结果。
38.相比于相关技术，本发明提出的一种用于单轨车辆的受电弓铜基滑块检测系统及方法，雷达接车模块以固定角度安装在轨侧；根据现场工作距离，滑块定位相机安装在车辆侧下方；滑块定位模块固定至墩柱处降低了全线受电弓接触状态检测的成本；通过轨旁视觉测量系统完成了单轨车辆受电弓滑块的自动化测量，无需人工检测，节省了人力的同时提高了检测效率；使用滑块测量软件检测滑块厚度，基于opencv和深度学习相结合的滑块厚度测量算法，提升了检测精度和检测效率；采用了滑块定位模块和抓拍模块相互配合的方式，定位模块固定至墩柱处后，不断对轨道梁上接触网位置处进行图像采集，上传至图像处理分析服务器，服务器通过对相机图像进行实时处理，检测接触网位置处是否有滑块经过，当检测到滑块时，便通过采集控制计算机调用滑块抓拍模块工作，滑块抓拍模块抓取滑块侧面图像，对单轨车辆受电弓滑块进行准确的抓拍，避免了多张图像拍摄和处理带来的系统资源浪费。
39.本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。
附图说明
40.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
41.图1是根据本技术实施例的受电弓铜基滑块检测方法流程框架图；
42.图2是根据本技术实施例的受电弓铜基滑块检测流程图；
43.图3是根据本技术实施例的接车雷达模块布局示意图；
44.图4是根据本技术实施例的滑块定位模块与滑块抓拍模块布局示意图；
45.图5是根据本技术实施例的单轨车辆受电弓铜基滑块检测框架图；
46.图6是根据本技术实施例的雷达接车模块示意图；
47.图7是根据本技术实施例的ocr字符识别原理图；
48.图8是根据本技术实施例的识别效果展示图；
49.图9是根据本技术实施例的受电弓滑块的降弓状态现场示意图；
50.图10是根据本技术实施例的受电弓滑块的升弓状态现场示意图；
51.图11是根据本技术实施例的滑块定位模块图像处理算法流程图；
52.图12是根据本技术实施例的滑块定位模块与抓拍模块现场位置示意图；
53.图13是根据本技术实施例的现场受电弓滑块图像；
54.图14是根据本技术实施例的受电弓滑块现场测量结果示意图；
55.图15是根据本技术实施例的滑块测量软件界面示意图；
56.图16是根据本技术实施例的滑块厚度测量算法流程图；
57.图17为本发明的单轨车辆受电弓铜基滑块检测系统的结构示意图。
58.其中，附图标记为：
59.滑块身份信息获得单元：51；
60.滑块图像信息获得单元：52；
61.滑块厚度数据测量单元：53；
62.滑块运行状态预测单元：54。
具体实施方式
63.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。基于本技术提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
64.显而易见地，下面描述中的附图仅仅是本技术的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本技术应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本技术公开内容相关的本领域的普通技术人员而言，在本技术揭露的技术内容基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本技术公开的内容不充分。
65.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本技术所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
66.除非另作定义，本技术所涉及的技术术语或者科学术语应当为本技术所属技术领域内具有一般技能的人士所理解的通常意义。本技术所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本技术所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本技术所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本技术所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本技术所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
67.本发明提供了一种用于单轨车辆的受电弓铜基滑块检测系统及方法，通过轨旁视觉测量完成了单轨车辆受电弓滑块的自动化测量，提高了检测效率，使用基于opencv和深度学习相结合的滑块厚度测量算法提升了检测精度。同时，采用了滑块定位模块和抓拍模
块相互配合的方式，能够对车辆受电弓滑块进行准确的抓拍，避免了多张图像拍摄和处理带来的系统资源浪费。
68.下面结合具体实施例对本发明进行说明。
69.实施例一
70.本实施例还提供了一种用于单轨车辆的受电弓铜基滑块检测系统及方法。请参照图1至图2，图1是根据本技术实施例的受电弓铜基滑块检测方法流程框架图；图2是根据本技术实施例的单轨车辆受电弓铜基滑块检测流程图。如图1至图2所示，受电弓铜基滑块检测方法包括：
71.滑块身份信息获得步骤s1：根据过车信号采集获得车号信息后，根据车号信息与触发顺序数据，获得滑块身份信息；
72.滑块图像信息获得步骤s2：根据检测结果采集获取滑块图像信息；
73.滑块厚度数据测量步骤s3：通过图像处理算法对滑块图像信息进行检测获得滑块轮廓，通过滑块厚度测量算法对滑块轮廓进行处理，获得滑块厚度数据，根据滑块厚度数据与所述滑块身份信息生成铜基滑块检测工单；
74.滑块运行状态预测步骤s4：根据铜基滑块检测工单数据，通过特征处理算法对滑块厚度进行预测，获得滑块运行状态预测结果。
75.在实施例中，滑块图像信息获得步骤s2包括：
76.通过检测接触网位置是否有滑块经过，获得检测结果；
77.当检测结果为滑块经过所述接触网时，采集滑块图像信息。
78.在实施例中，滑块厚度数据测量步骤s3包括：
79.通过opencv图像处理算法，对滑块图像信息进行预处理；
80.通过深度学习算法对预处理后的滑块图像进行轮廓检测，获得滑块轮廓；
81.对滑块轮廓进行处理获得滑块磨损最严重区域像素数，对滑块磨损最严重区域像素数与滑块未磨损区域像素数进行比对，获得滑块厚度数据。
82.在实施例中，滑块运行状态预测步骤s4包括：
83.通过统计分析提取铜基滑块检测工单中滑块厚度数据的数值化统计特征后，通过机器学习的特征处理算法对数值化统计特征进行处理，获得滑块厚度变化规律后，根据滑块厚度变化规律，预测获得滑块运行状态预测结果；
84.滑块运行状态预测单元在铜基滑块检测工单中滑块运行状态预测结果。
85.实施例二
86.本实施例还提供了一种用于单轨车辆的受电弓铜基滑块检测系统。图3是根据本技术实施例的接车雷达模块布局示意图；图4是根据本技术实施例的滑块定位模块与滑块抓拍模块布局示意图；图5是根据本技术实施例的单轨车辆受电弓铜基滑块检测框架图；图6是根据本技术实施例的雷达接车模块示意图；图7是根据本技术实施例的ocr字符识别原理图；图8是根据本技术实施例的识别效果展示图；
87.图9是根据本技术实施例的受电弓滑块的降弓状态现场示意图；图10是根据本技术实施例的受电弓滑块的升弓状态现场示意图；图11是根据本技术实施例的滑块定位模块图像处理算法流程图；图12是根据本技术实施例的滑块定位模块与抓拍模块现场位置示意图；图13是根据本技术实施例的现场受电弓滑块图像；图14是根据本技术实施例的受电弓
滑块现场测量结果示意图；图15是根据本技术实施例的滑块测量软件界面示意图；图16是根据本技术实施例的滑块厚度测量算法流程图；图17为本发明的单轨车辆受电弓铜基滑块检测系统的结构示意图。如图3至17所示，发明的受电弓铜基滑块检测系统，适用于上述的受电弓铜基滑块检测方法，受电弓铜基滑块检测系统包括：
88.滑块身份信息获得单元51：接收并根据过车信号触发车号识别与滑块定位后，输出滑块身份信息；
89.滑块图像信息获得单元52：当滑块身份信息获得单元检测到滑块时，触发滑块图像信息获得单元对滑块进行抓拍，获取滑块图像信息；
90.滑块厚度数据测量单元53：对滑块图像信息进行检测获得滑块轮廓，通过滑块厚度测量算法对滑块轮廓进行处理，获得滑块厚度数据后，根据滑块厚度数据与滑块身份信息生成铜基滑块检测工单；
91.滑块运行状态预测单元54：根据铜基滑块检测工单数据，通过特征处理算法对滑块厚度进行预测，获得滑块运行状态预测结果。
92.在实施例中，滑块身份信息获得单元51包括：
93.接车雷达模块，采集并输出过车信号；
94.图像采集控制模块，根据过车信号输出车号识别指令及滑块定位指令；
95.车号识别模块，根据车号识别指令识别车辆车号获得车号信息；
96.滑块定位模块，根据滑块定位指令对滑块进行定位并输出触发顺序数据及抓拍指令；
97.身份信息整合模块：将所述车号信息及所述触发顺序数据整合获得所述滑块身份信息。
98.在具体实施中，受电弓铜基滑块检测系统主要由轨旁设备和机房设备组成；
99.轨边设备包括：接车雷达模块、图像车号模块、滑块定位模块、滑块抓拍模块，其中接车雷达模块用于判断列车的到来和离去，图像车号模块用于检测列车车号，滑块定位模块用于检测滑块位置，并触发滑块抓拍模块采集滑块的高清图像；
100.机房设备包括：图像采集控制系统、图像分析处理系统。其中图像采集控制系统实现所有传感器信号收集处理、滑块图像的抓拍采集控制，包含1台采集控制计算机、1台交换机、1台电源箱、1台kvm、1台远程pdu、1套ups；图像处理分析系统用于对滑块的高清图像进行处理，自动分析识别出滑块磨耗曲线，包含1台数据存储识别服务器。
101.雷达接车模块在本发明中的工作原理为如下：
102.雷达接车模块以固定角度安装在轨侧后，雷达接车模块不断检测指定位置处是否有物体存在，当检测到与物体时，接车雷达模块采集过车信号；详细的为，当单轨车辆入库时，首先由固定在最前端的雷达接车模块确定单轨车辆的到来，当雷达在一段时间内持续被触发时，此刻便认为有单轨车辆经过，雷达接车模块会发送过车信号至采集控制计算机即图像采集控制系统，并控制整个系统的抓拍模块和滑块定位模块开启或关闭；
103.接车雷达模块采用dc24v供电，对速度在5km/h至120km/h范围内的对象测速误差不高于1％，以不小于10次/秒的速度进行数据刷新，可以在－20℃～+60℃的温度范围内正常工作。
104.车号识别模块在本发明中的工作原理为如下：
105.图像采集控制系统根据过车信号，发送车号识别指令至车号识别模块，车号识别模块根据车号识别指令，识别车辆车号获得车号信息；详细的为，当接车雷达模块发送的过车信号通过串口通信传递到图像采集工控机即图像采集控制系统和图像处理分析服务器时，图像处理分析服务器便发送处理指令至车号识别模块触发相机工作，不断拍摄单轨车的过车图像数据，同时通过ocr字符识别算法对采集到单轨车过车的图像数据进行处理、分析，识别该辆单轨车的编号并记录；
106.模块集成高亮频闪补光灯，可以适应夜间黑暗环境的拍摄。车号识别装置采用dc24v供电，采用工业相机进行车号图片的采集，车号识别率≥99％，模块防水防尘等级可达i p66，可以在－40℃～+70℃的温度范围内正常工作；
107.ocr字符识别算法采用的crnn算法，其网络结构由三层构成，为卷积层、循环层和转录层。卷积层使用cnn网络，能够将特征序列从摄像机拍摄到的视频流中提取。循环层采用rnn网络，能够从卷积层获取的特征序列中预测真实值的分布情况。转录层采用ctc网络，把从循环层获取的标签分布通过去重整合等操作转换成最终的识别结果。
108.滑块定位模块在本发明中的工作原理为如下：
109.根据滑块定位指令对滑块进行定位并输出触发顺序数据及抓拍指令；将所述车号信息及所述触发顺序数据整合获得所述滑块身份信息；详细的为，根据现场工作距离，将定位模块固定至墩柱处，滑块定位相机安装在车辆侧下方，在采集控制计算机即图像采集控制系统接收到接车雷达模块发送的单轨车过车信号后，便开启滑块定位模块的相机和滑块到位检测程序，然后不断对轨道梁上接触网位置处进行图像采集，上传至图像处理分析服务器，服务器通过对相机图像进行实时处理，检测接触网位置处是否有滑块经过，列车运行过程中，只有受电弓滑块会与轨道梁上的接触网接触，便通过采集控制计算机调用滑块抓拍模块工作，进行滑块侧面图像的抓取；根据图像采集控制系统触发滑块定位模块的触发序号和车号信息定义滑块身份信息即滑块图像在本地文件夹的存储位置和滑块命名编号；
110.如图9和图10分别表示受电弓滑块的降弓状态和升弓状态，图中标注出的区域分别表示接触网和滑块；两个摄像机距离两侧滑块的距离大约分别为2.3m和3m。
111.在实施例中，滑块图像信息获得单元52包括：
112.滑块抓拍模块，滑块定位模块根据滑块定位指令，检测接触网位置是否有滑块经过，当滑块定位模块检测到滑块经过接触网时输出抓拍指令，滑块抓拍模块根据抓拍指令采集获得滑块的滑块图像信息。
113.在具体实施中，滑块定位过程中需要对相机采集到的图像进行分析，通过图像特征判断到当前帧存在滑块，即触发采集相机进行抓拍，从而获取滑块的侧面照片；详细的为，通过半径滤波器对图像数据进行滤波，通过固定点特征变化寻滑块特征后，根据固定点阈值判断滑块是否到达，当判断结果为滑块到达时，触发滑块抓拍模块抓拍滑块图像，此时，列车两侧一共四个滑块都会被抓拍，保存到图像处理服务器中后，单轨列车离开检测区；
114.滑块抓拍模块为四组由相机与光源构成的模组构成，在列车两侧各两组。
115.在实施例中，滑块厚度数据测量单元53包括：
116.图像分析处理模块，图像分析处理模块通过opencv图像处理算法，对滑块图像信息进行预处理后，通过深度学习算法对预处理后的滑块图像信息进行轮廓检测，获得滑块
轮廓；图像分析处理模块对滑块轮廓进行处理获得滑块磨损最严重区域像素数，对滑块磨损最严重区域像素数与滑块未磨损区域像素数进行比对，获得滑块厚度数据。
117.在具体实施中，滑块抓拍模块采集到滑块图像并上传至图像处理分析服务器，处理系统便调用相应的图像处理算法，对图片数据进行预处理，提高有用信息的可检测性和最大化简化数据；
118.通过深度学习算法对预处理后的滑块图像进行轮廓检测，获得滑块轮廓；对滑块轮廓进行处理获得滑块磨损最严重区域像素数，对滑块磨损最严重区域像素数与滑块未磨损区域像素数进行比对，获得滑块厚度数据后，根据滑块厚度数据与滑块身份信息生成铜基滑块检测工单；详细的为，在滑块抓拍模块将滑块图像信息传递给图像分析处理系统后，滑块图像处理和厚度检测算法开始运行，滑块厚度测量算法流程图如图14所示，滑块厚度测量算法运行流程步骤为如下：
119.步骤1：通过opencv对图像进行预处理，详细的为，对图像进行滤波处理，对滤波处理后的图像进行灰度化操作，对灰度化后的图像进行图像锐化后，对锐化后的图像进行边缘提取，通过霍夫变换获取直线后，根据获取结果确定滑块粗略位置，从图像中裁切滑块图像；
120.步骤2：基于深度学习的滑块分割对图像进行分割，获取分割后区域的最小外接矩形即滑块轮廓；
121.步骤3：按照矩形长边垂线方向进行滑块最薄处的搜索，获得滑块磨损最严重区域像素数，对滑块磨损最严重区域像素数与滑块未磨损区域像素数进行比对，获得滑块实际磨损值即滑块厚度数据。
122.由于列车运行过程中，单轨车与滑块之间需要不断接触，导致滑块的磨损不均匀，因此方案采用滑块中间区域最小的厚度值作为滑块的测量厚度数值。
123.在实施例中，滑块运行状态预测单元54通过统计分析提取铜基滑块检测工单中滑块厚度数据的数值化统计特征后，通过机器学习的特征处理算法对数值化统计特征进行处理，获得滑块厚度变化规律后，根据滑块厚度变化规律，预测获得滑块运行状态预测结果；
124.滑块运行状态预测单元在铜基滑块检测工单中滑块运行状态预测结果。
125.在具体实施中，铜基滑块检测工单生成后，该滑块的数据会保存在图像处理分析系统中，借助有效的统计分析来提取滑块厚度数据中有效的数值化统计特征，基于机器学习的各种特征处理算法对滑块厚度数据进行挖掘、分析，寻滑块厚度变化的规律，实现滑块厚度变化趋势的预测，为滑块厚度的磨损情况提供及时的预警，最终在铜基滑块检测工单中进行说明。
126.最终滑块测量结果如图15所示，滑块最薄处能够得到准确测量。
127.测量软件界面如图16所示，测量软件属于图2中的接车雷达模块、车号识别模块、滑块定位模块、滑块抓拍模块、图像分析处理系统的集成；其中，滑块抓拍模块采集滑块图像并显示在界面左上角，同时，将滑块图像信息传输给图像处理分析系统，并将最终结果显示与右下角。
128.综上所述，本发明一种用于单轨车辆的受电弓铜基滑块检测系统及方法，基于视觉技术直接测量单轨车受电弓滑块的剩余厚度，为列车检修提供了最直接有力的检修依据。本发明基于视觉技术的单轨车受电弓滑块采集，直接采集滑块的真实图像，获取了其真
实剩余厚度。同时，本发明为轨旁检测系统，只用一套即可检测出当前线路所有回库列车受电弓滑块的剩余厚度，并且设备布置于轨旁地面，与接触网的位置较远，受到的电磁干扰小，设备维护方便。
129.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求的保护范围为准。

技术特征：

1.一种用于单轨车辆的受电弓铜基滑块检测系统，其特征在于，所述受电弓铜基滑块检测系统包括：滑块身份信息获得单元：接收并根据过车信号触发车号识别与滑块定位后，输出滑块身份信息；滑块图像信息获得单元：当所述滑块身份信息获得单元检测到滑块时，触发所述滑块图像信息获得单元对所述滑块进行抓拍，获取滑块图像信息；滑块厚度数据测量单元：对所述滑块图像信息进行检测获得滑块轮廓，通过滑块厚度测量算法对所述滑块轮廓进行处理，获得滑块厚度数据后，根据所述滑块厚度数据与所述滑块身份信息生成铜基滑块检测工单；滑块运行状态预测单元：根据铜基滑块检测工单数据，通过特征处理算法对滑块厚度进行预测，获得滑块运行状态预测结果。2.根据权利要求1所述的受电弓铜基滑块检测系统，其特征在于，所述滑块身份信息获得单元包括：接车雷达模块，采集并输出所述过车信号；图像采集控制模块，根据所述过车信号输出车号识别指令及滑块定位指令；车号识别模块，根据所述车号识别指令识别车辆车号获得所述车号信息；滑块定位模块，根据所述滑块定位指令对所述滑块进行定位并输出触发顺序数据及抓拍指令。3.根据权利要求1所述的受电弓铜基滑块检测系统，其特征在于，所述滑块身份信息获得单元还包括：身份信息整合模块：将所述车号信息及所述触发顺序数据整合获得所述滑块身份信息。4.根据权利要求3所述的受电弓铜基滑块检测系统，其特征在于，所述滑块图像信息获得单元包括：滑块抓拍模块，所述滑块定位模块根据所述滑块定位指令，检测接触网位置是否有滑块经过，当所述滑块定位模块检测到所述滑块经过所述接触网时输出所述抓拍指令，所述滑块抓拍模块根据所述抓拍指令采集获得所述滑块的所述滑块图像信息。5.根据权利要求4所述的受电弓铜基滑块检测系统，其特征在于，所述滑块厚度数据测量单元包括：图像分析处理模块，所述图像分析处理模块通过opencv图像处理算法，对所述滑块图像信息进行预处理后，通过深度学习算法对预处理后的所述滑块图像信息进行轮廓检测，获得所述滑块轮廓；所述图像分析处理模块对所述滑块轮廓进行处理获得滑块磨损最严重区域像素数，对所述滑块磨损最严重区域像素数与滑块未磨损区域像素数进行比对，获得所述滑块厚度数据。6.根据权利要求1所述的受电弓铜基滑块检测系统，其特征在于，所述滑块运行状态预测单元通过统计分析提取所述铜基滑块检测工单中所述滑块厚度数据的数值化统计特征后，通过机器学习的所述特征处理算法对所述数值化统计特征进行处理，获得滑块厚度变化规律后，根据所述滑块厚度变化规律，预测获得所述滑块运行状态预测结果；所述滑块运行状态预测单元在所述铜基滑块检测工单中所述滑块运行状态预测结果。
7.一种用于单轨车辆的受电弓铜基滑块检测方法，其特征在于，所述受电弓铜基滑块检测方法包括：滑块身份信息获得步骤：根据过车信号采集获得车号信息后，根据所述车号信息与触发顺序数据，获得滑块身份信息；滑块图像信息获得步骤：根据检测结果采集获取滑块图像信息；滑块厚度数据测量步骤：通过图像处理算法对所述滑块图像信息进行检测获得滑块轮廓，通过滑块厚度测量算法对所述滑块轮廓进行处理，获得滑块厚度数据，根据所述滑块厚度数据与所述滑块身份信息生成铜基滑块检测工单；滑块运行状态预测步骤：根据铜基滑块检测工单数据，通过特征处理算法对滑块厚度进行预测，获得滑块运行状态预测结果。8.根据权利要求7所述的受电弓铜基滑块检测方法，其特征在于，所述滑块图像信息获得步骤包括：通过检测接触网位置是否有滑块经过，获得所述检测结果；当所述检测结果为所述滑块经过所述接触网时，采集所述滑块图像信息。9.根据权利要求7所述的受电弓铜基滑块检测方法，其特征在于，所述滑块厚度数据测量步骤包括：通过opencv图像处理算法，对所述滑块图像信息进行预处理；通过深度学习算法对预处理后的滑块图像进行轮廓检测，获得所述滑块轮廓；对所述滑块轮廓进行处理获得滑块磨损最严重区域像素数，对所述滑块磨损最严重区域像素数与滑块未磨损区域像素数进行比对，获得所述滑块厚度数据。10.根据权利要求7所述的受电弓铜基滑块检测方法，其特征在于，所述滑块运行状态预测步骤包括：通过统计分析提取所述铜基滑块检测工单中所述滑块厚度数据的数值化统计特征后，通过机器学习的所述特征处理算法对所述数值化统计特征进行处理，获得滑块厚度变化规律后，根据所述滑块厚度变化规律，预测获得所述滑块运行状态预测结果；所述滑块运行状态预测单元在所述铜基滑块检测工单中所述滑块运行状态预测结果。

技术总结

本申请公开了一种用于单轨车辆的受电弓铜基滑块检测系统及方法，电弓铜基滑块检测系统包括：滑块身份信息获得单元：接收并根据过车信号触发车号识别与滑块定位后，输出滑块身份信息；滑块图像信息获得单元：当所述滑块身份信息获得单元检测到滑块时，触发所述滑块图像信息获得单元对所述滑块进行抓拍，获取滑块图像信息；滑块厚度数据测量单元：对所述滑块图像信息进行检测获得滑块轮廓，通过滑块厚度测量算法对所述滑块轮廓进行处理，获得滑块厚度数据后，根据所述滑块厚度数据与所述滑块身份信息生成铜基滑块检测工单；滑块运行状态预测单元：根据铜基滑块检测工单数据，通过特征处理算法对滑块厚度进行预测，获得滑块运行状态预测结果。态预测结果。态预测结果。