Isolatore polimerico della ferrovia elettrica

Gli isolanti ferroviari elettrificati sono attrezzature importanti nel dispositivo di sospensione del supporto catenario e il loro stato influisce sulla stabilità del sistema di alimentazione di trazione. Pertanto, è necessario studiare metodi di rilevamento dello stato in tempo reale e intelligenti. L'identificazione accurata ed efficiente degli isolanti è la premessa per realizzare un rilevamento intelligente di uno stato cattivo isolante, garantendo che vengano eseguiti lavori di rilevamento successivi nell'immagine locale target, riducendo la difficoltà di rilevamento dello stato e il calcolo degli algoritmi di rilevamento, migliorando così la velocità di Rilevamento e accuratezza dei risultati del rilevamento. Questo documento prende come campione il veicolo di ispezione completa delle ferrovie e applica le immagini chiare raccolte dal veicolo di ispezione completa e applica le relative tecnologie di visione artificiale per realizzare l'efficienza di identificazione degli isolanti ferroviari elettrificati. Innanzitutto, vengono introdotti i principali due tipi di metodi di riconoscimento target: abbinamento del modello e riconoscimento statistico del modello; Quindi il metodo di corrispondenza dell'immagine basato sulle funzioni viene utilizzato per realizzare il riconoscimento degli isolatori; Infine, il metodo di riconoscimento del pattern statistico viene utilizzato per estrarre tre caratteristiche degli isolanti: HAAR, LBP e HOG. Dopo l'addestramento, il classificatore ottenuto viene utilizzato per l'identificazione dell'isolante. Per l'identificazione di isolanti ferroviari elettrificati mediante abbinamento del modello, questo documento utilizza tre metodi di corrispondenza basati su setacci, navigare e ORB per realizzare l'identificazione degli isolanti e analisi e confronta gli effetti di identificazione dei tre metodi e conclude che le prestazioni complete del surf è meglio. . Al fine di confrontare gli effetti di riconoscimento dei tre metodi di abbinamento, è progettata un'interfaccia MFC amichevole che può realizzare pienamente il processo di riconoscimento. Per il metodo di riconoscimento del pattern statistico, l'algoritmo ADABOOST e SVM vengono utilizzati per addestrare il classificatore. Per le caratteristiche HAAR e le caratteristiche LBP, l'algoritmo ADABOOST viene utilizzato per la formazione del classificatore e, attraverso la valutazione dei classificatori generati, si è concluso che la modifica del metodo di intercettazione, delle dimensioni e del numero di campioni positivi e negativi può migliorare significativamente le prestazioni del classificatore . Per la funzione Hog, SVM viene utilizzato per addestrare il classificatore e modificare il metodo di intercettazione, le dimensioni e il numero di campioni positivi e negativi possono migliorare l'effetto di riconoscimento in una certa misura. Nell'esperimento, nell'ambiente di Visual Studio 2013 e OpenCV3.0, l'identificazione di isolanti ferroviari elettrificati è realizzata mediante programmazione. I risultati sperimentali mostrano che per il riconoscimento dell'isolatore in base alla corrispondenza delle immagini, le prestazioni del riconoscimento possono essere significativamente migliorate eliminando la mancata corrispondenza. Per l'identificazione dell'isolante basato sul metodo di riconoscimento del pattern statistico, modificare il metodo di intercettazione, la dimensione e il numero di campioni positivi e negativi possono migliorare significativamente l'effetto di identificazione. Con il metodo, le dimensioni e la quantità di intercettazione del campione appropriate, si ottiene un classificatore a cascata LBP, che ha un'elevata precisione e velocità.

Elenco prodotti : Isolante in gomma silicone > Isolatore ferroviario