基于视频图像处理技术的弓网燃弧检测方法研究

王学亮， 梁才国

（中车青岛四方机车车辆股份有限公司， 山东 青岛 266111）

引言

列车是通过受电弓碳板与接触网动态滑动接触而获得电力。列车在运行过程中，受电弓碳板与接触网导线接触不良时，就会发生弓网燃弧现象。然而发生燃弧现象会给列车带来许多危害，例如对受电弓碳板和接触网导线造成腐蚀和磨损，影响受电弓与接触网之间的受流质量，严重情况下会影响列车的安全运行。因此，受电弓与接触网之间的燃弧现象检测尤为重要[1]。

1 弓网燃弧视频监控系统设计

为了避免检测装置对受电弓工作状况的影响，需对受电弓燃弧现象检测采用非接触式—视频图像检测。摄像头不仅能观察弓网工作状况，而且能够有效检测到弓网燃弧。

在车顶安装摄像头，使镜头与受电弓与接触网接触位置对焦，通过对弓网连续不断地采集视频图像，通过光纤将视频数据传入车内工控机，再由工控机对视频图像进行处理，判断燃弧是否存在，并保存燃弧图像以及相关数据信息。图1为视频图像燃弧监控结构。

图1 测试系统结构图

2 视频图像基本处理

摄像头对弓网工作状况进行连续不断的视频采集，通过采集卡保存视频文件，需要经过视频图像处理技术将视频文件分割为一帧一帧图像文件，然后对分割出的图像是否存在燃弧现象进行判断。为加快计算机视频图像处理速度，需要事先从图像中分割出弓网接触位置区域，即燃弧发生位置区域。在图像处理技术中利用ROI函数对该区域进行分割，见图 2、图 3。

图2 弓网燃弧帧

图3 ROI选定出来燃弧现象区域

2.1 图像灰度化处理

当弓网燃弧时，视频图像中会出现白色耀眼斑点，本文是通过对白色斑点面积计算，从而判断是否出现燃弧现象。在视频图像经过分割之后，为了进一步加快图像处理速度，需要对图像进行灰度化处理。因为每帧图像的各个像素点颜色值都是由RGB三个颜色分量构成，所以每个像素点共有256×256×256种颜色值。而图像灰度化之后每一个像素点的颜色值转换为0～255共256种灰度变化。本文采用opencv图像处理技术进行灰度化处理，利用函数cvCvtColor可以将彩色图像转化为灰度图像。图像灰度化处理方法主要有加权平均法、最大值法和平均值法等[2]。图4为燃弧灰度化处理图。

2.2 图像二值化处理

图4 燃弧灰度化处理图

为了便于统计燃弧面积，需要对灰度化处理后的图像进行二值化处理。图像二值化处理（见下页图5）就是将灰度图像中所有像素点的灰度值都设置为0或255，即用纯黑与纯白两种色调来显示整幅图像。然而对灰度化图像二值化需要设定一定阀值，低于该阀值的灰度值，就设置为0，大于该阀值的灰度值就设置为255。由于燃弧在图像中显示为白色斑点，其像素点的灰度值为255[3]。因此，统计出整幅图像中所有灰度值为255的像素点，即为燃弧面积。

图5 图像二值化处理

对二值化图像中灰度值为255的像素点统计，即燃弧面积统计。通过公式（1）对燃弧面积统计，判断是否发生燃弧现象。

式中：Nr为燃弧亮点像素点的总数，Nz为整幅图像中所有像素点总数，b为燃弧点面积比例。设定当b大于某一比例值时，就判断该帧发生燃弧现象；当b小于某比例值时，就判断该帧未发生燃弧现象。然后进行下一帧图像处理。

3 视频图像燃弧判断

3.1 燃弧判断流程

摄像头获取得到的受电弓工作视频图像经过视频分割为一帧镇图像文件，先对图像灰度化处理，再对图像进行二值化处理，最后通过对燃弧面积大小的判断，从而得出该帧是否发生燃弧现象。若发生燃弧，则保存下该帧图像，并记录下燃弧面积大小，然后进行下一帧图像的判断；若未发生燃弧现象，就进行下一帧图像的判断[4]。最终得出该段视频中共发生的燃弧次数、每次发生燃弧持续时间以及燃弧比（离线率）。图6为燃弧判断流程图。

图6 燃弧判断流程图

其中，燃弧持续时间t由公式（2）计算而得，n为该次燃弧共在视频中出现帧数，fs为摄像头视频压缩速率。燃弧比即离线率，就是发生燃弧帧数与视频总帧数比值。

3.2 燃弧数据分析

在某条地铁线路上，利用红外摄像头拍摄地铁车辆受电弓工作视频，利用视频图像处理技术对该段视频进行分析与处理。

图7是对123 s燃弧视频文件进行燃弧分析，从视频中可以判断出共发生燃弧13次，并且通过图像处理技术获得48帧燃弧图像，其中燃弧最长持续时间为520 ms，而燃弧率为1.372%。通过对截取出的48帧图像进行观察，由于隧道中灯光的影响会将灯光误判断为燃弧，因此会对燃弧检测结果产生影响[5]。经过人工筛选可以得出共发生10次燃弧，最长持续时间为100 ms。图8是把灯光误判断为燃弧帧图像。

图7 红外视频燃弧分析

图8 燃弧误判断帧

为避免灯光或者太阳光对测试结果干扰，本文是根据弓网燃弧光学特性对燃弧进行监测。如图9燃弧弧光通过光谱仪分析可知，燃弧光波段在240～260 nm之间是太阳光光波段的盲区，利用该光学特性可以运用紫外相机进行燃弧现象检测。

图9 燃弧与太阳光谱特性曲线

在某地铁线路上，利用MicroVista-UV紫外相机对弓网燃弧现象进行监测，通过视频图像分析可知，应用紫外相机能够有效避免灯光与阳光的干扰。

下页图10为通过紫外相机获取视频对发生燃弧现象的检测分析图，其中检测出的燃弧次数共12次，其中通过opencv图像处理程序共截取出19帧燃弧图像。这90s视频中燃弧弧最长持续时间为80ms，而燃弧比即受电弓与接触网的离线率，为0.8448%。对截取出的燃弧图像进行观察，没有出现误判情况。

下页图11是对列车单程运行过程中，弓网燃弧现象检测分析数据图。

图11是紫外相机获取24 min弓网工作视频进行燃弧现象判断分析结果。期间共判断出22次燃弧，最长持续时间为80 ms，其弓网离线率为0.1%。测试结果通过对整个视频人工分析得出燃弧次数也为22次，可见该受电弓燃弧检测方法具有可行性。

图10 紫外视频燃弧检测

图11 弓网燃弧分析结果

4 结论

利用弓网燃弧的光学特性，通过视频图像处理技术对紫外相机获取弓网燃弧视频进行燃弧现象判断，得出列车在整个运行过程中发生燃弧次数、每次持续时间以及燃弧比即弓网离线率。

[1]何常红.弓网电弧模拟系统的研制和试验研究[D].成都：西南交通大学，2009.

[2]刘寅秋.基于图像处理的接触网动态几何参数测量研究[D].北京：中国铁道科学研究院，2012.

[3]张韬.基于图像处理的接触网检测系统研究[D].成都：西南交通大学，2008.

[4]杨志鹏.弓网电弧研究及其检测[D].北京：北京交通大学，2011.

[5]杜高峰.基于opencv图像处理列车受电弓动态特性监测方法研究[D].成都：西南交通大学，2015.