CN108508023B - 一种铁路接触网中接触端部顶紧螺栓的缺陷检测*** - Google Patents

Abstract

本发明提供一种铁路接触网中接触端部顶紧螺栓的缺陷检测***，包括：图像采集模块、图像储存模块、图像处理模块、缺陷显示模块；所述图像采集模块用于采集待测接触端部图像；所述图像处理模块用于对所采集到待测接触端部图像中的顶紧螺栓进行缺陷识别；所述图像储存模块用来储存所述图像采集模块采集到的待测接触端部图像、图像特征以及缺陷类别；所述缺陷显示模块用于对顶紧螺栓存在缺陷的待测接触端部图像以及相应顶紧螺栓的缺陷类别进行显示管理。本发明通过对接触端部顶紧螺栓进行采集获取接触端部图像，经过处理后能够准确地检测出接触端部图像中顶紧螺栓所存在的缺陷，适应性强，准确度高。

Description

一种铁路接触网中接触端部顶紧螺栓的缺陷检测***

技术领域

本发明涉及电气化高铁接触网的安全检测***，特别涉及一种铁路接触网中接触端部顶紧螺栓的缺陷检测***。

背景技术

随着高速铁路运输技术的进一步发展及其广泛应用，高铁接触网作为向机车提供电能的重要设施，其是否处于安全工作状态也越来越受到关注。为了保证接触网处于良好的工作状态，以利于电气化铁道的安全运营，越尽早发现并处理接触网的故障则越有利于电气化铁道的安全。

实际中，高铁接触网的故障主要由零部件的松、脱、缺、裂等造成。斜撑端部是接触网中支持装置的重要组成部分，其状态良好与否直接决定了是否能向电力机车正常供电。在很多场景下，高铁运行时频繁剧烈的振动或本身形变对起电连接固定作用的顶紧螺栓起到冲击，尽管现在的顶紧螺栓可以依靠自身的弹性变形储存能量开减小机械振动和冲击；但顶紧螺栓在服役过程中，会承受多次往复性、周期性的振动或扭转等交变应力作用，且顶紧螺栓不可避免的会存在一定的加工工艺缺陷，造成斜撑端部的顶紧螺栓部件产生缺陷，目前产生的主要缺陷为松、裂或缺。故为避免顶紧螺栓部件由于运行缺陷造成严重的安全事故与经济损失，需要对顶紧螺栓进行缺陷检查；目前，对接触端部的检测采用天窗作业时人工上线巡检的方式，这种方式不但效率低下，而且由于线路所处环境复杂，人为观察危险性高，并且由于职工素质不均等因素，极有可能会出现漏检的情况，从而造成安全隐患。因此，如何快速准确检测斜撑端部的状态是一个亟待解决的问题。

发明内容

鉴于上述问题，本发明的主要目的是提供一种铁路接触网中接触端部顶紧螺栓的缺陷检测***，以快速准确检测接触端部的状态。

本发明的目的采用以下技术方案来实现：

提供了一种铁路接触网中接触端部顶紧螺栓的缺陷检测***，包括：图像采集模块、图像储存模块、图像处理模块、缺陷显示模块；所述图像采集模块用于采集待测接触端部图像；所述图像处理模块用于对所采集到待测接触端部图像中的顶紧螺栓进行缺陷识别，确定顶紧螺栓存在缺陷的待测接触端部图像并分析出该顶紧螺栓的缺陷类别；所述图像储存模块用于来储存所述图像采集模块采集到的待测接触端部图像以及储存所述顶紧螺栓存在缺陷的待测接触端部图像、图像特征以及缺陷类别；所述缺陷显示模块用于对顶紧螺栓存在缺陷的待测接触端部图像以及相应顶紧螺栓的缺陷类别进行数据库录入，并进行显示管理。

优选地，所述图像储存模块包括待测图像库单元和样本图像库单元；其中，样本图像库单元用来储存所述顶紧螺栓存在缺陷的待测接触端部图像、图像特征以及对应顶紧螺栓缺陷类别；待测图像库单元被设置为储存接触端部图像采集模块采集的待测接触端部图像；其中，样本图像库单元还用于储存通过人工录入的顶紧螺栓缺陷样本图像、图像特征以及缺陷类别。

优选地，所述图像处理模块包括样本筛选单元、顶紧螺栓区域检测单元、顶紧螺栓特征提取单元和顶紧螺栓缺陷识别单元；所述样本筛选单元用于从样本图像库单元存储的顶紧螺栓缺陷样本图像中筛选出限定数量的顶紧螺栓缺陷样本图像用于缺陷识别；所述顶紧螺栓区域检测单元用于获取待测接触端部图像的顶紧螺栓区域；所述顶紧螺栓特征提取单元用于对顶紧螺栓区域中的顶紧螺栓特征进行提取；所述顶紧螺栓缺陷识别单元用于根据所述限定数量的顶紧螺栓缺陷样本图像对所述顶紧螺栓特征进行分析，从而对顶紧螺栓区域中的顶紧螺栓的缺陷进行分类识别。

优选地，所述样本筛选单元还用于将所述限定数量的顶紧螺栓缺陷样本图像按缺陷类别进行分类集合。

优选地，所述获取待测接触端部图像的顶紧螺栓区域，具体包括：利用滑动窗口法对待测接触端部图像进行处理，获得对应于待测接触端部图像的矩形块集合K，计算矩形块集合K中矩形块j对应的局部区域平均灰度值以及计算矩形块j的平均显著性；依先验差异特征和矩形块的局部区域平均灰度值和平均显著性对每个矩形块j进行判别，分类其属于顶紧螺栓区域还是背景区域；剔除所有不属于顶紧螺栓区域的矩形块，将所有属于顶紧螺栓区域的矩形块j合并，统计剩余属于顶紧螺栓区域的矩形块的数目K₁，然后计算顶紧螺栓区域的中心位置，且确定相对于顶紧螺栓区域的中心位置的长、宽偏移量，以此确定并分割出顶紧螺栓区域。

本发明的有益效果为：本发明提供一种基于图像处理的接触网中接触端部顶紧螺栓的缺陷检测***，通过对接触端部图像进行采集获取待测接触端部图像，经过处理后能够准确地检测出待测接触端部图像中所存在的缺陷，适应性强，准确度高，相较于以前的人工上线巡检，显著的提高了巡检效率，且避免了人工巡检时的检测危险，降低了出现漏检的情况，消除了较大的安全隐患。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明一个示例性实施例中接触端部顶紧螺栓缺陷检测***的框架结构图；

图2为本发明一个示例性实施例中图像储存模块的框架结构图；

图3为本发明一个示例性实施例中图像处理模块的框架结构图。

附图标记：

图像采集模块1、图像储存模块2、图像处理模块3、缺陷显示模块4、待测图像库单元201、样本图像库单元202、样本筛选单元301、顶紧螺栓区域检测单元302、顶紧螺栓特征提取单元303和顶紧螺栓缺陷识别单元304。

具体实施方式

结合以下应用场景，参考附图对本发明的实施方式进行说明。

铁路接触网中的接触端部具有套筒，套筒上具有顶紧螺栓；当存在缺陷时，有可能出现顶紧螺栓松、顶紧螺栓缺、顶紧螺栓裂或断的情况。本发明的目的就是要及时并准确的检测到顶紧螺栓的松、缺、裂或断，从而及时排除安全隐患，以下详细介绍本发明的检测方法：

参见图1，本发明提供一种铁路接触网中接触端部顶紧螺栓的缺陷检测***，包括：图像采集模块1、图像储存模块2、图像处理模块3、缺陷显示模块4；所述图像采集模块1用于对待测接触端部图像进行采集，采集到清晰的接触端部图像；所述图像处理模块3用于对所采集到待测接触端部图像中的顶紧螺栓进行缺陷识别，确定顶紧螺栓存在缺陷的待测接触端部图像并分析出顶紧螺栓的缺陷类别；所述图像储存模块2用于来储存所述图像采集模块1采集到的待测接触端部图像以及储存所述顶紧螺栓存在缺陷的待测接触端部图像、图像特征以及缺陷类别；所述缺陷显示模块4用于对顶紧螺栓存在缺陷的待测接触端部图像以及相应顶紧螺栓的缺陷类别进行数据库录入，并进行显示管理。

参见图2，所述图像储存模块2包括待测图像库单元201和样本图像库单元202；样本图像库单元202用来储存所述顶紧螺栓存在缺陷的待测接触端部图像、图像特征以及对应顶紧螺栓缺陷类别；待测图像库单元201被设置为储存接触端部图像采集模块采集的待测接触端部图像；其中，样本图像库单元还用于储存通过人工录入的顶紧螺栓缺陷样本图像、图像特征以及缺陷类别，以此来进一步完善样本图像库单元。

参见图3，所述图像处理模块3包括样本筛选单元301、顶紧螺栓区域检测单元302、顶紧螺栓特征提取单元303和顶紧螺栓缺陷识别单元304；所述样本筛选单元301用于从样本图像库单元存储的顶紧螺栓缺陷样本图像中筛选出限定数量的顶紧螺栓缺陷样本图像用于缺陷识别；所述顶紧螺栓区域检测单元302用于提取出待测接触端部图像中的顶紧螺栓区域；所述顶紧螺栓特征提取单元303用于对顶紧螺栓区域中的顶紧螺栓特征进行提取；所述顶紧螺栓缺陷识别单元304用于根据所述限定数量的顶紧螺栓缺陷样本图像对所述顶紧螺栓特征进行分析，从而对顶紧螺栓区域中的顶紧螺栓的缺陷进行分类识别。

所述样本筛选单元301还用于将所述限定数量的顶紧螺栓缺陷样本图像按缺陷类别进行分类集合。

所述顶紧螺栓区域检测单元302用于将所述待测图像库单元201中的待测接触端部图像提取出来，对所述待测图像进行分割，得到所述待测接触端部图像中的顶紧螺栓区域，具体包括：

(1)利用滑动窗口法对待测接触端部图像进行处理，获得对应于待测接触端部图像的矩形块集合K，计算矩形块集合K中矩形块j对应的局部区域平均灰度值AH(j)以及矩形块j的平均显著性AS(j)，计算公式为：

式中，z(u,v)代表矩形块j中的一点(u,v)的灰度值，其中u∈[(j-1)h,jh],v∈[(j-1)w,jw]，h为矩形块j的长；w为矩形块的宽；s＝h×w，代表矩形块的面积；a，b为设定的平衡因子，a²+b²＝1，；R₁，R₂为根据矩形块大小设置的尺度因子；M为与矩形块j邻接的矩形块数目；其中，(x_i，y_i)代表与矩形块j邻接的第i个矩形块的中心点坐标；(x_j，y_j)代表矩形块j的中心点坐标；z(x_i，y_i)代表矩形块i中心点灰度值；z(x_j，y_j)代表矩形块j中心点的灰度值；Δd_ij为矩形块j与所述第i个矩形块之间的欧氏距离；

(2)由上述矩形块集合K中矩形块j的局部区域平均灰度值AH(j)和平均显著性AS(j)以及顶紧螺栓区域与背景区域的先验差异特征对顶紧螺栓区域进行粗定位，也就是依先验差异特征对每个矩形块j进行判别，判别其属于顶紧螺栓区域还是背景区域，其中背景区域为待测接触端部图像中不含有顶紧螺栓的图像区域，判别公式为：

式中，n(j)代表矩形块j的中心到待测图像中心的几何距离：而参数ρ则是根据顶紧螺栓区域与背景区域的先验差异特征确定的判别因子；γ为考虑到n(j)过大时避免出现属于顶紧螺栓区域的孤立矩形块的限制常数；flag(j)为判别结果，当值为1时，矩形块j属于顶紧螺栓区域；

(3)剔除所有不属于顶紧螺栓区域的矩形块，将所有属于顶紧螺栓区域的矩形块j合并，统计剩余属于顶紧螺栓区域的矩形块的数目K₁，然后计算顶紧螺栓区域的中心位置，公式为：

式中，j＝1,2,…,K₁；(x₀,y₀)为将属于顶紧螺栓区域的矩形块j合并后的区域的中心位置坐标；

(4)利用顶紧螺栓区域的先验边缘信息进行修正,并通过顶紧螺栓区域的边缘信息来确定相对于顶紧螺栓区域的中心位置的长、宽偏移量，以此确定顶紧螺栓区域；

式中，d_x为顶紧螺栓区域的中心位置横向的长偏移量；d_y为顶紧螺栓区域的中心位置纵向的宽偏移量；n1为顶紧螺栓区域的横向边缘的像素数；n2为顶紧螺栓区域的纵向边缘的像素数；r_x(x,y)为顶紧螺栓区域的横向边缘的像素点的灰度值；r_y(x,y)为顶紧螺栓区域的纵向边缘的像素点的灰度值；

(5)对待测图像进行分割，从待测图像中提取出顶紧螺栓区域。

本优选实施例中，上述图像定位分割模块利用待测接触端部图像中的顶紧螺栓区域与背景区域的平均灰度值与平均显著性差异定位到顶紧螺栓区域，并利用顶紧螺栓区域的先验边缘信息进行修正，实现了精确定位到顶紧螺栓区域；其中，改进了平均显著性AS(j)的计算公式，不仅考虑了矩形块j与待测接触端部图像所有子块的全局纹理度对比，还考虑了与矩形块j邻接的局部纹理度显著性，得到了更为精确的AH(j)和AS(j)值，从而提高了对顶紧螺栓区域进行定位的精度；还提出了一种确定待测接触端部图像顶紧螺栓区域的方法：设计了判别公式，以此判别矩形块的类别，并在此判别基础上，计算出顶紧螺栓区域的中心位置，并设计了依据先验边缘信息进行修正得到中心位置的长、宽偏移量的计算公式；以此方法使得定位到的顶紧螺栓区域更加精确，避免待测接触端部图像中其他背景区域对顶紧螺栓区域内顶紧螺栓缺陷的识别产生干扰，且使得对顶紧螺栓区域图像的特征提取和分类识别阶段的计算耗时降低，对于提高待测顶紧螺栓缺陷的检测效率具有显著地效果。

所述顶紧螺栓特征提取单元对顶紧螺栓区域中的顶紧螺栓的特征进行提取，具体包括：

(1)对顶紧螺栓区域的边缘梯度特征(TD)进行提取，具体为：

首先，为了减少光照因素的影响，需要将顶紧螺栓区域图像进行颜色的归一化，转化为灰度图；然后对灰度图全局内每个像素点的梯度方向值进行计算，计算像素点横纵坐标方向上的梯度，则可得到每个像素点的梯度特征；依据每个像素点的梯度方向将灰度图划分为n个均匀的空间，对空间单元内每个像素用梯度方向在直方图中进行加权投影，得到这个单元的梯度方向直方图；其中，设定权值的选取公式为：

式中，m为一空间单元内像素点的个数，i为单元内的像素点，h_i为像素点i的灰度值，ρ_i为像素点i在在直方图中进行加权的权值；

将上述单元的梯度直方图在各空间维度进行归一化，最后根据空间维度进行划分，依次排列组合上述经过归一化的梯度直方图，就得到了顶紧螺栓区域的边缘梯度特征(TD)；

(2)对顶紧螺栓区域的顶紧螺栓端部进行特征提取得到局部纹理特征，具体为：

根据待测顶紧螺栓端部的先验几何连接关系，在顶紧螺栓区域中定位出顶紧螺栓端部；通过直方图分割法分割顶紧螺栓端部得到中心子块和各邻域子块，将中心子块的像素灰度平均值对其相邻子块的灰度值进行阀值化，选取阀值比较的结果作为邻域子块的像素灰度值的设定权重系数，累加权重系数与阀值比较结果的乘积得到的结果即为中心子块的纹理特征描述向量；将所有纹理特征描述向量进行联立构成顶紧螺栓端部的局部纹理特征向量；其中顶紧螺栓端部的局部纹理特征的计算公式为:

式中，由顶紧螺栓端部的先验信息，可确定出端部区域的总数为T，其中i∈T,i代表顶紧螺栓区域其中一个端部；E(i)为端部i的端部区域的灰度方向矢量；C_i为端部i的特征权重系数；

为光照干扰因子；N为分割端部i的端部区域得到中心子块周围的各邻域子块的总个数，其中，μ代表第μ个邻域子块，μ∈N；P(μ)为第μ个邻域子块的平均灰度值；P(μ_i)为端部i的中心子块的平均灰度值；σ为灰度差分阈值；B(P(μ))为阈值比较后的二值函数；

(3)将上述计算得到的边缘梯度特征与局部纹理特征进行互补融合，就得到了顶紧螺栓的特征，其中，特征融合公式为：

其中，ρ代表特征权重因子，ρ∈(0,1)，TD为顶紧螺栓区域的边缘梯度特征，WL为顶紧螺栓端部的局部纹理特征。

本优选实施例中，上述顶紧螺栓特征提取单元在进行顶紧螺栓区域的边缘梯度特征计算时，提出了新的权值选取公式，相较于现有技术直接将该像素点的梯度幅值作为投影的权值，通过该权值选取公式计算得到的投影的权值能够使得到的梯度特征更好更精确的反映顶紧螺栓区域的整体信息；还提出了顶紧螺栓端部的局部纹理特征的计算公式，针对多个端部区域对顶紧螺栓端部的局部纹理特征的影响，设立了特征权值系数，并具体限定了该系数的计算公式，降低了光照的干扰，提取过程中的冗余信息与随机特征；最后还对这个两类图像特征进行融合，得到更精确的顶紧螺栓特征向量。

所述顶紧螺栓缺陷识别单元304被设置为基于样本筛选单元301获取的限定数量的顶紧螺栓缺陷样本图像的图像特征来描述所述顶紧螺栓特征提取单元303得到的顶紧螺栓特征，根据特征描述的相似度比较，来识别顶紧螺栓的缺陷类别，具体为：

(1)提取出所述样本筛选单元获取的限定数量的顶紧螺栓缺陷样本图像，并将它们按顶紧螺栓的缺陷类型分类为C个类别不同的训练样本集，还提取出各个类别中的顶紧螺栓缺陷样本图像中顶紧螺栓的特征向量；

(2)根据顶紧螺栓缺陷样本图像中顶紧螺栓的特征向量对顶紧螺栓区域中顶紧螺栓特征的相似度大小，筛选出最近邻训练样本，具体有：

1)将顶紧螺栓特征用缺陷样本图像中的顶紧螺栓的特征向量线性表示：

式中，

为所述顶紧螺栓区域中顶紧螺栓的特征向量T_XZ在第i类训练样本集的表示，i∈C,C表示所有训练样本集对应的类别数；训练样本集各类类别里含有数量为M个的训练样本,j∈M；X_ij表示第i类第j个训练样本的特征向量，f_j表示所述顶紧螺栓特征用训练样本特征向量X_ij表示的系数；

2)依据上式进而计算第i类第j个训练样本在线性表示顶紧螺栓特征T_XZ方面的相似度函数，相似度函数Gxd_ij具体计算为：

式中，

为较小的修正常数；γ为一个很小的修正因子；用X_i＝[X_ij]来表示在第i类的训练样本的特征向量矩阵；T_XZ为顶紧螺栓的特征向量；X_ij表示第i类第j个训练样本的特征向量；C表示所有训练样本集对应的类别数；

在第i类M个训练样本集合内，比较各个样本的相似度函数值Gxd_ij，将其函数值由小至大排列，获取其中前K个Gxd_ij值较小的样本，这些样本即为第i类中表示当下所述顶紧螺栓特征向量的K个相似度最大的训练样本，也就是最近邻训练样本，进而剔除第i类中其余的训练样本；

(3)顶紧螺栓缺陷的识别分类：用于对所述顶紧螺栓的特征进行分类识别，得到顶紧螺栓的缺陷类型，具体包括：

1)将所述顶紧螺栓的特征向量用上述得到的每一类别下的K个最近邻训练样本的特征向量线性表示，获取线性表示系数，然后分别将各类别中的K个线性表示系数值进行累加，计算各个类别下，最近邻训练样本在线性表示所述顶紧螺栓的特征向量上的类内表示残差，当类内表示残差越小，表示该类样本在线性表示所述顶紧螺栓的特征描述上的相似度越大，以此来分类识别所述顶紧螺栓的特征类别属于该类样本的缺陷类别，由该类样本缺陷来确定待测样本的缺陷类型；其中，对所述顶紧螺栓的特征向量T_XZ进行分类识别的计算公式为：

式中，

为较小的修正常数；E为单位矩阵；在第i类选中的这K个相似度最大的最近邻训练样本下，将所述顶紧螺栓的特征向量用上面获取的K个相似度最大的最近邻训练样本进行线性表示，线性表示时每个训练样本的特征为X_ij‘’,X_ij‘’表示第i类第j个训练样本的特征向量；所述顶紧螺栓的特征向量用最近邻训练样本的特征X_ij‘’表示的系数为f_j′；其中j∈K；T_XZ为顶紧螺栓的特征向量；LSB表示待测样本缺陷类型的识别结果；

2)将分类识别出来的缺陷图像储存入所述图像储存模块中的样本图像库单元。

本优选实施例中，上述顶紧螺栓缺陷识别单元将顶紧螺栓的特征向量由所有第i类训练样本集内的顶紧螺栓缺陷样本图像表示，设置了相似度函数，且设计了修正因子，使得训练样本特征向量对顶紧螺栓特征的表示能力，即相似度的计算更加精确；再此基础上，选出较大相似度的K个最近邻训练样本，使得训练样本显著减少，计算复杂度显著降低，显著的提高了识别的速度与效率；进而计算由这K个最近邻训练样本表示顶紧螺栓特征向量的类间残差，重新设计了修正因子，使得对顶紧螺栓的缺陷检测的识别率显著提高，识别率高达98.8％，实现了对顶紧螺栓的缺陷进行高可靠性的分类。

通过以上的方法，能够及时并准确的检测到接触端部顶紧螺栓的缺陷类别，从而能够及时排除安全隐患；且说明书所记载的仅仅是示例，本领域技术人员在理解了本发明的基础上可以作出任意的组合和变更。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.一种铁路接触网中接触端部顶紧螺栓的缺陷检测***，其特征在于，包括：图像采集模块、图像储存模块、图像处理模块、缺陷显示模块；所述图像采集模块用于采集待测接触端部图像；所述图像处理模块用于对所采集到待测接触端部图像中的顶紧螺栓进行缺陷识别，确定顶紧螺栓存在缺陷的待测接触端部图像并分析出该顶紧螺栓的缺陷类别；所述图像储存模块用于来储存所述图像采集模块采集到的待测接触端部图像以及储存所述顶紧螺栓存在缺陷的待测接触端部图像、图像特征以及缺陷类别；所述缺陷显示模块用于对顶紧螺栓存在缺陷的待测接触端部图像以及相应顶紧螺栓的缺陷类别进行数据库录入，并进行显示管理；

其中，所述图像处理模块包括样本筛选单元、顶紧螺栓区域检测单元、顶紧螺栓特征提取单元和顶紧螺栓缺陷识别单元；所述样本筛选单元用于从样本图像库单元存储的顶紧螺栓缺陷样本图像中筛选出限定数量的顶紧螺栓缺陷样本图像用于缺陷识别；所述顶紧螺栓区域检测单元用于获取待测接触端部图像的顶紧螺栓区域；所述顶紧螺栓特征提取单元用于对顶紧螺栓区域中的顶紧螺栓特征进行提取；所述顶紧螺栓缺陷识别单元用于根据所述限定数量的顶紧螺栓缺陷样本图像对所述顶紧螺栓特征进行分析，从而对顶紧螺栓区域中的顶紧螺栓的缺陷进行分类识别；

所述获取待测接触端部图像的顶紧螺栓区域，具体包括：

(1)利用滑动窗口法对待测图像进行处理，获得对应于待测接触端部图像的矩形块集合K，计算矩形块集合K中矩形块j对应的局部区域平均灰度值AH(j)以及矩形块j的平均显著性AS(j)；

(2)依先验差异特征和矩形块的AH(j)和AS(j)对每个矩形块j进行判别，分类其属于顶紧螺栓区域还是背景区域，分类公式为：

式中，n(j)代表矩形块j的中心到待测图像中心的几何距离：而参数ρ则是根据顶紧螺栓区域与背景区域的先验差异特征确定的判别因子；γ为考虑到n(j)过大时避免出现属于顶紧螺栓区域的孤立矩形块的限制常数；flag(j)为判别结果，当值为1时，矩形块j属于顶紧螺栓区域；

(3)剔除所有不属于顶紧螺栓区域的矩形块，将所有属于顶紧螺栓区域的矩形块j合并，统计剩余属于顶紧螺栓区域的矩形块的数目K₁，然后计算顶紧螺栓区域的中心位置，公式为：

式中，j＝1,2,…,K₁；(x₀,y₀)为将属于顶紧螺栓区域的矩形块j合并后的区域的中心位置坐标；

(4)确定相对于顶紧螺栓区域的中心位置的长、宽偏移量，以此确定顶紧螺栓区域；

(5)对待测图像进行分割，提取出顶紧螺栓区域。

2.根据权利要求1所述的一种铁路接触网中接触端部顶紧螺栓的缺陷检测***，所述图像储存模块包括待测图像库单元和样本图像库单元；其中，样本图像库单元用来储存所述顶紧螺栓存在缺陷的待测接触端部图像、图像特征以及对应顶紧螺栓缺陷类别；待测图像库单元被设置为储存接触端部图像采集模块采集的待测接触端部图像；其中，样本图像库单元还用于储存通过人工录入的顶紧螺栓缺陷样本图像、图像特征以及缺陷类别。

3.根据权利要求1所述的一种铁路接触网中接触端部顶紧螺栓的缺陷检测***，所述样本筛选单元还用于将所述限定数量的顶紧螺栓缺陷样本图像按缺陷类别进行分类集合。

4.根据权利要求1所述的一种铁路接触网中接触端部顶紧螺栓的缺陷检测***，其特征是：所述局部区域平均灰度值AH(j)的计算公式为：

平均显著性AS(j)的计算公式为：

式中，z(u,v)代表矩形块j中的一点(u,v)的灰度值，其中u∈[(j-1)h,jh],v∈[(j-1)w,jw]，h为矩形块j的长；w为矩形块的宽；s＝h×w，代表矩形块的面积；a，b为设定的平衡因子，a²+b²＝1，；R₁，R₂为根据矩形块大小设置的尺度因子；M为与矩形块j邻接的矩形块数目；其中，(x_i，y_i)代表与矩形块j邻接的第i个矩形块的中心点坐标；(x_j，y_j)代表矩形块j的中心点坐标；z(x_i，y_i)代表矩形块i中心点灰度值；z(x_j，y_j)代表矩形块j中心点的灰度值；Δd_ij为矩形块j与所述第i个矩形块之间的欧氏距离。

5.根据权利要求1所述的一种铁路接触网中接触端部顶紧螺栓的缺陷检测***，其特征是：所述顶紧螺栓区域的中心位置的长、宽偏移量的计算公式分别为：

式中，d_x为顶紧螺栓区域的中心位置横向的长偏移量；d_y为顶紧螺栓区域的中心位置纵向的宽偏移量；n1为顶紧螺栓区域的横向边缘的像素数；n2为顶紧螺栓区域的纵向边缘的像素数；r_x(x,y)为顶紧螺栓区域的横向边缘的像素点的灰度值；r_y(x,y)为顶紧螺栓区域的纵向边缘的像素点的灰度值。

Images