CN113487620A - 一种铁路绝缘节检测方法及装置 - Google Patents
一种铁路绝缘节检测方法及装置 Download PDFInfo
- Publication number
- CN113487620A CN113487620A CN202110567484.8A CN202110567484A CN113487620A CN 113487620 A CN113487620 A CN 113487620A CN 202110567484 A CN202110567484 A CN 202110567484A CN 113487620 A CN113487620 A CN 113487620A
- Authority
- CN
- China
- Prior art keywords
- difference
- current
- image
- target
- segmented image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009413 insulation Methods 0.000 title claims abstract description 200
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000003709 image segmentation Methods 0.000 claims abstract description 36
- 238000012806 monitoring device Methods 0.000 claims abstract description 8
- 230000005236 sound signal Effects 0.000 claims description 87
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims 2
- 238000007689 inspection Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 22
- 238000012545 processing Methods 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 6
- 238000010079 rubber tapping Methods 0.000 description 6
- 238000007621 cluster analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种铁路绝缘节检测方法及装置,通过所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集;确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;依据所述第一差异情况和/或第二差异情况和/或第三差异情况确认所述目标绝缘节的当前形变情况。通过安装在火车上的监控装置检测绝缘节的形变情况,使得绝缘节的检测人工劳动强度小、巡检周期短,一旦区间设备发生损坏,容易及时发现,并且减少人员对行车产生干扰和减少人身伤亡事故的发生概率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种铁路绝缘节检测方法及装置。
背景技术
无绝缘轨道电路***中的绝缘节用于实现相邻轨道电路间的电气隔离,保证本区段信号的有效传输,并实现对工频牵引回流的平衡,是无绝缘轨道电路***中十分关键的组成部分。目前在我国大铁线路中应用的无绝缘轨道电路普遍为调谐式无绝缘轨道电路。
铁路绝缘节检测方法主要采用的人工巡检方式,巡检人员不仅要在夜里走几十公里的区间,并且还要对信号设备进行检查,巡检周期是半年和一个月。
但采用人工巡检的方式劳动强度大、巡检周期长,一旦区间设备发生损坏,不容易及时发现,并且增加人员上道对行车产生干扰和增加人身伤亡事故的发生概率。
发明内容
鉴于所述问题,提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的一种铁路绝缘节检测方法及装置,包括:
一种铁路绝缘节检测方法,所述方法用于通过装载在火车上的监控装置获取的实时图像确定目标绝缘节的形变情况;其中,所述形变情况包括待维修或正常,包括:
获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号;
依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集;
确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况;
依据所述位置信息确定对应于所述目标绝缘节的标准音频信号,并依据所述当前音频信号和所述标准音频信号确定音频差异度;
依据所述第一差异情况和/或第二差异情况和/或第三差异情况和所述音频差异度确定差异总值,并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修;具体地,当所述音频差异度小于等于音频阈值时,将所述音频差异度的权重设为20%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为80%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值;当所述音频差异度大于所述音频阈值时,将所述音频差异度的权重设为80%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为20%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值。
优选地,所述获取所述目标绝缘节的当前状态数据的步骤,包括:
获取所述目标绝缘节的实时图像,并依据所述实时图像和对应于所述目标绝缘节的前景模型和对应于所述目标绝缘节的背景模型生成所述目标绝缘节的当前图像;
获取所述目标绝缘节的位置信息,并依据所述目标绝缘节的位置信息和所述目标绝缘节的当前图像生成所述目标绝缘节的当前状态数据。
优选地,还包括:
获取所述目标绝缘节的标准图像,并确定所述目标绝缘节的标准图像中对应于所述目标绝缘节的目标区域;
获取所述标准图像中所述目标区域内的像素点,并依据所述目标区域内的像素点生成所述前景模型;
获取所述标准图像中所述目标区域外的像素点,并依据所述目标区域外的像素点生成所述背景模型。
优选地,所述依据所述实时图像和对应于所述目标绝缘节的前景模型和所述目标绝缘节的背景模型生成所述目标绝缘节的当前图像的步骤,包括:
依据所述前景模型和所述实时图像确定所述实时图像中各像素点属于所述目标区域内的第一概率;
依据所述背景模型和所述实时图像确定所述实时图像中各像素点属于所述目标区域外的第二概率;
依据所述第一概率、所述第二概率和所述实时图像生成所述目标绝缘节的当前图像。
优选地,所述当前音频信号为:敲打所述目标绝缘节所产生的第一音频信号和第二音频信号;其中,所述第一音频信号和所述第二音频信号的时间间隔为预设时间;将所述第一音频信号和所述第二音频信号经过平均处理得到平均音频信号;将所述平均音频信号经过放大和降噪处理后,得到所述当前音频信号。
优选地,所述依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集的步骤,包括:
依据所述图像分割路径将所述目标绝缘节的当前图像分割成预设数量的当前分割图像,并对所述当前分割图像进行编号;
依据编号后的所述当前分割图像生成所述当前分割图像集。
优选地,所述确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况的步骤,包括:
分别确定所述当前获取时间点最相近的历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值;
叠加所述图像差异值生成所述第一差异情况。
优选地,所述确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况的步骤,包括:
分别确定单个历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值;
将单个历史图像集中每个历史分割图像与当前分割图像集中每个当前分割图像的图像差异值全部进行叠加,分别生成所述第二比对差值;
将所有历史分割图像集中的第二比对差值进行比较,将所述第二比对差值中数值最大的作为第二差异情况。
优选地,确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况的步骤,包括:
分别确定单个历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值;
将单个历史图像集中每个历史分割图像与当前分割图像集中每个当前分割图像的图像差异值全部进行叠加,分别生成所述第三比对差值;
将预设次数内的各历史分割图像集中的第三比对差值进行叠加,作为第三差异情况。
与上述方法相匹配,本发明还提供一种铁路绝缘节检测装置,所述装置用于通过装载在火车上的监控装置获取的实时图像确定目标绝缘节的形变情况;其中,所述形变情况包括待维修或正常,包括:
当前状态数据获取模块,用于获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号;
当前分割图像集生成模块,用于依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集;
差异情况确定模块,用于确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况;
音频差异度确定模块,用于依据所述位置信息确定对应于所述目标绝缘节的标准音频信号,并依据所述当前音频信号和所述标准音频信号确定音频差异度;
当前形变情况确认模块,用于依据所述第一差异情况和/或第二差异情况和/或第三差异情况和所述音频差异度确定差异总值,并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修;具体地,当所述音频差异度小于等于音频阈值时,将所述音频差异度的权重设为20%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为80%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值;当所述音频差异度大于所述音频阈值时,将所述音频差异度的权重设为80%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为20%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值。
本申请具有以下优点:
在本申请的实施例中,通过获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号;依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集;确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况;依据所述位置信息确定对应于所述目标绝缘节的标准音频信号,并依据所述当前音频信号和所述标准音频信号确定音频差异度;依据所述第一差异情况和/或第二差异情况和/或第三差异情况和所述音频差异度确定差异总值,并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修;具体地,当所述音频差异度小于等于音频阈值时,将所述音频差异度的权重设为20%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为80%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值;当所述音频差异度大于所述音频阈值时,将所述音频差异度的权重设为80%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为20%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值。通过安装在火车上的监控装置检测绝缘节的形变情况,使得绝缘节的检测人工劳动强度小、巡检周期短,一旦区间设备发生损坏,容易及时发现,并且减少人员上道对行车产生干扰和减少人身伤亡事故的发生概率。
附图说明
为了更清楚地说明本申请的技术方案,下面将对本申请的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种铁路绝缘节检测方法的步骤流程图;
图2是本申请一实施例提供的一种铁路绝缘节检测装置的结构框图;
图3是本发明一实施例提供的一种铁路绝缘节检测方法的图像分割路径示意图;
图4是本发明一实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请的所述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,在本发明任一实施例中的铁路绝缘节检测方法通过装载在火车上的监控装置获取的实时图像确定目标绝缘节的形变情况;其中,所述形变情况包括待维修或正常。
参照图1,示出了本申请一实施例提供的一种铁路绝缘节检测方法的步骤流程图,具体包括如下步骤:
S110、获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号;
S120、依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集;
S130、确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况;
S140、依据所述位置信息确定对应于所述目标绝缘节的标准音频信号,并依据所述当前音频信号和所述标准音频信号确定音频差异度;
S150、依据所述第一差异情况和/或第二差异情况和/或第三差异情况和所述音频差异度确定差异总值,并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修;具体地,当所述音频差异度小于等于音频阈值时,将所述音频差异度的权重设为20%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为80%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值;当所述音频差异度大于所述音频阈值时,将所述音频差异度的权重设为80%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为20%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值。
在本申请的实施例中,通过获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号;依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集;确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况;依据所述位置信息确定对应于所述目标绝缘节的标准音频信号,并依据所述当前音频信号和所述标准音频信号确定音频差异度;依据所述第一差异情况和/或第二差异情况和/或第三差异情况和所述音频差异度确定差异总值,并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修;具体地,当所述音频差异度小于等于音频阈值时,将所述音频差异度的权重设为20%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为80%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值;当所述音频差异度大于所述音频阈值时,将所述音频差异度的权重设为80%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为20%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值。通过安装在火车上的监控装置检测绝缘节的形变情况,使得绝缘节的检测人工劳动强度小、巡检周期短,一旦区间设备发生损坏,容易及时发现,并且减少人员上道对行车产生干扰和减少人身伤亡事故的发生概率。
下面,将对本示例性实施例中的铁路绝缘节检测方法作进一步地说明。
如上述步骤S110所述,获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号。
在本发明一实施例中,可以结合下列描述进一步说明步骤S110所述“获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号”的具体过程。
如下列步骤所述,获取所述目标绝缘节的实时图像,并依据所述实时图像和对应于所述目标绝缘节的前景模型和对应于所述目标绝缘节的背景模型生成所述目标绝缘节的当前图像。
在本发明一实施例中,可以结合下列描述进一步说明步骤所述“依据所述实时图像和对应于所述目标绝缘节的前景模型和对应于所述目标绝缘节的背景模型生成所述目标绝缘节的当前图像”的具体过程。
如下列步骤所述,依据所述前景模型和所述实时图像确定所述实时图像中各像素点属于所述目标区域内的第一概率。
在本发明一实施例中,还包括获取所述目标绝缘节的标准图像,并确定所述目标绝缘节的标准图像中对应于所述目标绝缘节的目标区域。
作为一种示例,目标区域可以通过获取所述标准图像中对应于所述目标绝缘节的目标区域的外轮廓标识点,并根据所述外轮廓标识点构建所述目标区域实行;其中,所述外轮廓标识点利用人工智能识别技术识别。
需要说明的是,所述人工智能识别技术为利用人工神经网络的方法建立外轮廓标识点模型,并利用标准图像对所述外轮廓标识点模型进行训练。所述轮廓标识点为拐点,其可根据用户的范围进行设定。
作为一种示例,根据所述外轮廓标识点构建所述目标区域的可以通过以下步骤实行:根据所述标准图像建立像素坐标系,且以所述标准图像的左上角的点为原点;对每个所述外轮廓标识点以第一函数进行赋值,以得到第一参数;识别多个所述第一参数中的最大值和最小值分别作为所述目标图像的轮廓起点和轮廓终点;将所述轮廓标识点的像素坐标以所述轮廓起点和所述轮廓终点作为起始点并沿顺时针排序;将排序后的相邻两个所述轮廓标识点之间进行连线,以形成所述目标区域。
作为一种示例,第一函数可以为:
(point.y*imgW)+(point.x+1)
其中,point.y表示所述像素点在所述像素坐标系中沿Y轴的坐标,point.x表示所述像素点在所述像素坐标系中沿X轴的坐标,imgW表示所述原始图像的宽度。
在本发明一实施例中,还包括获取所述标准图像中所述目标区域内的像素点,并依据所述目标区域内的像素点生成所述前景模型。
在本发明一实施例中,可以结合下列描述进一步说明步骤所述“获取所述标准图像中所述目标区域内的像素点,并依据所述目标区域内的像素点生成所述前景模型”的具体过程。
作为一种示例,背景模型可以通过获取所述标准图像中所述目标区域内的像素点,作为第一像素点集合,根据第一像素点集合中各像素点的颜色值进行聚类分析,获取至少一个第一类别。针对每个第一类别,获取该第一类别对应的第一权值,并根据该第一类别中每个像素点的颜色值,确定第一高斯分布模型;根据确定的各第一高斯分布模型以及获取的各第一权值,通过加权求和的方式确定前景模型实行。
作为一种示例,第一类别可以通过将色差小于预设色差的像素点归为一类,或者将第一像素点集合划分为预设个数的第一类别实行。聚类分析方法可以根据现有技术确定,本发明对此不做限定。
作为一种可选示例,可以根据以下方法之一确定第一权值;如将该第一类别中包括的像素点的数量与第一像素点集合中像素点的数量的比值,作为该第一类别对应的第一权值。
在一具体实现中,第一类别A中包括10个像素点,第一像素点集合中包括100个像素点,则第一类别A对应的第一权值为0.1(即10/100)。
作为另一种可选示例,可以根据以下方法之一确定第一权值;如计算每个第一类别中包括像素点的平均色差,并计算所有第一类别的平均色差的和值;针对每个第一类别,将该和值减去该第一类别的平均色差得到差值,将该差值与该和值的比值作为该第一类别对应的第一权值。
在一具体实现中,第一像素点集合进行聚类分析后共获得3个第一类别,分别编号为类别1、类别2和类别3。类别1包括的像素点的平均色差为a;类别2包括的像素点的平均色差为b;类别3包括的像素点的平均色差为c;则和值为(a+b+c)(即为H),对于类别1,其对应的第一权值为(H-a)/H。同理,对于类别2,其对应的第一权值为(H-b)/H;对于类别3,其对应的第一权值为(H-c)/H。
作为一种示例,高斯分布模型可以用最大似然估计方法进行实行,具体为通过确定高斯分布模型即确定高斯分布的均值和方差,采用最大似然估计方法,确定高斯分布模型的均值和方差,也可以根据现有技术方法确定,本发明对此不做限定。
作为一种示例,可以根据以下公式确定前景模块:
在本发明一实施例中,可以结合下列描述进一步说明步骤所述“依据所述实时图像和对应于所述目标绝缘节的前景模型和对应于所述目标绝缘节的背景模型生成所述目标绝缘节的当前图像”的具体过程。
如下列步骤所述,依据所述背景模型和所述实时图像确定所述实时图像中各像素点属于所述目标区域外的第二概率。
在本发明一实施例中,还包括获取所述标准图像中所述目标区域外的像素点,并依据所述目标区域外的像素点生成所述背景模型。
在本发明一实施例中,可以结合下列描述进一步说明步骤“获取所述标准图像中所述目标区域外的像素点,并依据所述目标区域外的像素点生成所述背景模型”的具体过程。
作为一种示例,背景模型可以通过以下步骤实行,具体为获取所述标准图像中所述目标区域外的像素点,作为第二像素点集合,根据第二像素点集合中各像素点的颜色值进行聚类分析,获取至少一个第二类别。针对每个第二类别,获取该第二类别对应的第二权值,并根据该第二类别中每个像素点的颜色值,确定第二高斯分布模型。根据确定的各第二高斯分布模型以及获取的各第二权值,通过加权求和的方式确定背景模型。因前景模型和背景模型的构建方法相同,在此不再赘述。
在本发明一实施例中,可以结合下列描述进一步说明步骤所述“依据所述实时图像和对应于所述目标绝缘节的前景模型和对应于所述目标绝缘节的背景模型生成所述目标绝缘节的当前图像”的具体过程。
如下列步骤所述,依据所述第一概率、所述第二概率和所述实时图像生成所述目标绝缘节的当前图像。
作为一种示例,针对实时图像中任一像素点,若该像素点属于目标区域内的第一概率大于属于目标区域外的第二概率,则将该像素点视为属于目标区域内的像素点;或者,针对实时图像中任一像素点,若该像素点属于目标区域内的第一概率大于预设概率,则将该像素点视为属于目标区域内的像素点;或者,针对实时图像中任一像素点,若该像素点属于目标区域内的第一概率与属于目标区域外的第二概率的比值大于预设比值,则将该像素点视为属于目标区域内的像素点;或者,针对实时图像中任一像素点,若该像素点属于目标区域内的第一概率减去属于目标区域外的第二概率的差值大于预设差值,则将该像素点视为属于目标区域内的像素点,并将属于目标区域内的像素点作为所述目标绝缘节的当前图像。
在本发明一实施例中,可以结合下列描述进一步说明步骤S110所述“获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号”的具体过程。
如下列步骤所述,获取所述目标绝缘节的位置信息,并依据所述目标绝缘节的位置信息和所述目标绝缘节的当前图像生成所述目标绝缘节的当前状态数据。
需要说明的是,所述目标绝缘节的当前图像的时间戳为获取时间点,既所述当前状态数据的获取时间点,所述位置信息为所述目标绝缘节的经纬度坐标。
在本发明一实施例中,可以结合下列描述进一步说明步骤S110所述“获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号”的具体过程。
如下列步骤所述,敲打所述目标绝缘节所产生的第一音频信号和第二音频信号;其中,所述第一音频信号和所述第二音频信号的时间间隔为预设时间。
作为一种示例,通过音频接收设备获取敲打所述目标绝缘节所产生的第一音频信号,根据预设的时间间隔为2s,再次获取敲打所述目标绝缘节所产生的第二音频信号。
需要说明的是,音频信号有规律的声波的频率、幅度变化信息载体。音频是一种连续变化的模拟信号,可用一条连续的曲线来表示,称为声波。
如下列步骤所述,将所述第一音频信号和所述第二音频信号经过平均处理得到平均音频信号。
作为一种示例,将第一音频信号和所述第二音频信号分别进行图表化,再将两张图表进行重合,选取两个点的平均值,生成新的图表,再转换为平均音频信号。
如下列步骤所述,将所述平均音频信号经过放大和降噪处理后,得到所述当前音频信号。
作为一种示例,将所述平均音频信号进行放大,再进行去噪处理,具体步骤为:获取放大后的平均音频信号,所述放大后的平均音频信号包括瞬态噪声;获取所述放大后的平均音频信号中当前帧信号的估计幅度数据,所述估计幅度数据用于表征去除所述瞬态噪声后对所述当前帧信号估计所得的幅度;当所述估计幅度数据小于最小幅度数据时,调整所述估计幅度数据以获得幅度超过所述最小幅度数据的目标幅度数据,所述目标幅度数据用于表征所述带噪音频信号去除瞬态噪声后期望获得的目标音频信号的幅度;所述最小幅度数据用于表征在所述预设时长内所述带噪音频信号在各个频带上幅度的最小值;基于所述目标幅度数据得到当前音频信号。
如上述步骤S120所述,依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集。
在本发明一实施例中,可以结合下列描述进一步说明步骤S120所述“依据所述位置信息确定对应于所述目标绝缘节的图像分割路径”的具体过程。
如下列步骤所述,依据所述位置信息确定所述目标绝缘节的标识。
需要说明的是,依据所述当前状态数据的位置信息,即目标绝缘节的经纬度坐标,即目标绝缘节的位置信息,根据***预先输入的具***置的绝缘节为具体的型号,从而得出所述目标绝缘节的标识。
在本发明一实施例中,可以结合下列描述进一步说明步骤S120所述“依据所述位置信息确定对应于所述目标绝缘节的图像分割路径”的具体过程。
如下列步骤所述,依据所述目标绝缘节的标识确定所述目标绝缘节的图像分割路径。
需要说明的是,依据所述目标绝缘节的标识确定所述目标绝缘节的图像分割路径,即如何对目标绝缘节进行分割;具体地,每一种标识代表了绝缘节的不同分割路径,分割路径是依据所述目标绝缘节的部件形状进行分割。
在本发明一实施例中,可以结合下列描述进一步说明步骤S120所述“依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集”的具体过程。
如下列步骤所述,依据所述图像分割路径将所述目标绝缘节的当前图像分割成预设数量的当前分割图像,并对所述当前分割图像进行编号;
如下列步骤所述,依据编号后的所述当前分割图像生成所述当前分割图像集。
参照图3,在一具体实现中,将目标绝缘节的当前图像分为五个分割图像,并从上到下,依次进行编号,分别为图中的1、2、3、4、5;并将编号后的分割图像作为当前分割图像集。并将编号后的分割图像以图像集的形式进行存储(所存储的图像集即为所述当前分割图像集)。
如上述步骤S130所述,确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况。
在本发明一实施例中,可以结合下列描述进一步说明步骤S130所述“确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况”的具体过程。
如下列步骤所述,分别确定所述当前获取时间点最相近的历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值。
需要说明的是,所述图像差异值为图像参数的差异值,所述图像参数包括对比度、曝光补偿、颜色以及外观特性。所述图像差异针对每一种图像参数获取其参数差异值,即分别获取对比度差异值、曝光补偿差异值、颜色差异值及外观特性差异值,再进行叠加作为所述图像差异值。且用户可根据自身需求,设置不同应用场景下的图像参数,此处不作限定。
在本发明一实施例中,可以结合下列描述进一步说明步骤S130所述“确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况”的具体过程。
如下列步骤所述,叠加所述图像差异值生成所述第一差异情况。
在一具体实现中,将前一获取时间点的所述当前分割图像集作为当前获取时间点最相近的历史分割图像集,即火车上一次获取到所述目标绝缘节的当前分割图像集作为当前获取时间点最相近的历史分割图像集;将当前获取时间点最相近的历史分割图像集中的每个分割图像与相对应的当前分割图像集中的每个分割图像,进行一一比对,生成五个图像差异值,即将这五个图像差异值进行加权叠加,作为第一差异情况;其中,权即由在平差计算中所取的权重不同。
如上述步骤S130所述,确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况。
在本发明一实施例中,可以结合下列描述进一步说明步骤S130所述“确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况”的具体过程。
如下列步骤所述,分别确定单个历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值。
需要说明的是,所述图像差异值为图像参数的差异值,所述图像参数包括对比度、曝光补偿、颜色以及外观特性。所述图像差异针对每一种图像参数获取其参数差异值,即分别获取对比度差异值、曝光补偿差异值、颜色差异值及外观特性差异值,再进行叠加作为所述图像差异值。且用户可根据自身需求,设置不同应用场景下的图像参数,此处不作限定。
在本发明一实施例中,可以结合下列描述进一步说明步骤S130所述“确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况”的具体过程。
如下列步骤所述,将单个历史图像集中每个历史分割图像与当前分割图像集中每个当前分割图像的图像差异值全部进行叠加,分别生成所述第二比对差值。
在一具体实现中,将之前所有获取时间点的所述当前分割图像集作为历史分割图像集,即火车获取到所有目标绝缘节的当前分割图像集作为所有历史分割图像集;在本实施例中,之前所有获取时间点有二十个,即有二十个历史分割图像集;将二十个历史分割图像集中的每个分割图像分别与相对应的当前分割图像集中的每个分割图像,进行一一比对,生成二十组图像差异值,所述每组图像差异值中分别有五个图像差异值,即将这五个图像差异值进行加权叠加,作为第二差异情况。
在本发明一实施例中,可以结合下列描述进一步说明步骤S130所述“确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况”的具体过程。
如下列步骤所述,将所有历史分割图像集中的第二比对差值进行比较,将所述第二比对差值中数值最大的作为第二差异情况。
在一具体实现中,将所述二十个历史分割图像集,即有二十个第二比对差值,并将二十个第二比对差值进行比较,选取数值最大的第二比对差值作为第二差异情况。
在本发明一实施例中,可以结合下列描述进一步说明步骤S130所述“确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况”的具体过程。
如下列步骤所述,分别确定单个历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值。
需要说明的是,所述图像差异值为图像参数的差异值,所述图像参数包括对比度、曝光补偿、颜色以及外观特性。所述图像差异针对每一种图像参数获取其参数差异值,即分别获取对比度差异值、曝光补偿差异值、颜色差异值及外观特性差异值,再进行叠加作为所述图像差异值。且用户可根据自身需求,设置不同应用场景下的图像参数,此处不作限定。
在本发明一实施例中,可以结合下列描述进一步说明步骤S130所述“确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况”的具体过程。
如下列步骤所述,将单个历史图像集中每个历史分割图像与当前分割图像集中每个当前分割图像的图像差异值全部进行叠加,分别生成所述第三比对差值。
在一具体实现中,将之前预设次数获取时间点,即三个预设次数的获取时间点的所述当前分割图像集作为历史分割图像集,即火车获取到前三个所有目标绝缘节的当前分割图像集作为预设次数内的各历史分割图像集,即有三个历史分割图像集;先将单个历史分割图像集中的每个分割图像与相对应的当前分割图像集中的每个分割图像,进行一一比对,生成五个图像差异值,将这五个图像差异值进行叠加,作为第三比对差值。
在本发明一实施例中,可以结合下列描述进一步说明步骤S130所述“确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况”的具体过程。
如下列步骤所述,将预设次数内的各历史分割图像集中的第三比对差值进行叠加,作为第三差异情况。
在一具体实现中,将预设次数设为三次,将当前获取时间点的前两次获取时间点的分割图像以及当前获取时间点的当前分割图像共同作为历史分割图像集,即有三个第三比对差值,并将三个第三比对差值进行叠加,作为第三差异情况。
如上述步骤S140所述,依据所述位置信息确定对应于所述目标绝缘节的标准音频信号,并依据所述当前音频信号和所述标准音频信号确定音频差异度。
如上述步骤S150所述,依据所述第一差异情况和/或第二差异情况和/或第三差异情况和所述音频差异度确定差异总值,并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修;具体地,当所述音频差异度小于等于音频阈值时,将所述音频差异度的权重设为20%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为80%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值;当所述音频差异度大于所述音频阈值时,将所述音频差异度的权重设为80%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为20%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值。
在本发明一实施例中,可以结合下列描述进一步说明步骤S150所述“依据所述第一差异情况和/或第二差异情况和/或第三差异情况和所述音频差异度确定差异总值,并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修;具体地,当所述音频差异度小于等于音频阈值时,将所述音频差异度的权重设为20%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为80%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值;当所述音频差异度大于所述音频阈值时,将所述音频差异度的权重设为80%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为20%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值。”的具体过程。
在第一具体实现中,当所述音频差异度小于等于音频阈值时,若音频阈值设为50,音频差异度为40,则将所述音频差异度的权重设为20%,并且将所述第一差异情况的权重设为80%,根据所述音频差异度的权重和所述第一差异情况权重计算出差异总值;并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修。
在第二具体实现中,当所述音频差异度小于等于音频阈值时,若音频阈值设为50,音频差异度为60,则将所述音频差异度的权重设为80%,并且将所述第一差异情况的权重设为20%,根据所述音频差异度的权重和所述第一差异情况权重计算出差异总值;并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
参照图2,示出了本申请一实施例提供的一种铁路绝缘节检测装置,具体包括如下模块,
当前状态数据获取模块210:用于获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号;
当前分割图像集生成模块220:用于依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集;
差异情况确定模块230:用于确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况;
音频差异度确定模块240,用于依据所述位置信息确定对应于所述目标绝缘节的标准音频信号,并依据所述当前音频信号和所述标准音频信号确定音频差异度;
当前形变情况确认模块250:用于依据所述第一差异情况和/或第二差异情况和/或第三差异情况和所述音频差异度确定差异总值,并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修;具体地,当所述音频差异度小于等于音频阈值时,将所述音频差异度的权重设为20%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为80%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值;当所述音频差异度大于所述音频阈值时,将所述音频差异度的权重设为80%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为20%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值。
在本发明一实施例中,所述当前状态数据获取模块210,包括:
当前图像生成子模块,用于获取所述目标绝缘节的实时图像,并依据所述实时图像和对应于所述目标绝缘节的前景模型和对应于所述目标绝缘节的背景模型生成所述目标绝缘节的当前图像;
当前状态数据生成子模块,用于获取所述目标绝缘节的位置信息,并依据所述目标绝缘节的位置信息和所述目标绝缘节的当前图像生成所述目标绝缘节的当前状态数据。
在一具体实现中,还包括:
目标区域确定子模块,用于获取所述目标绝缘节的标准图像,并确定所述目标绝缘节的标准图像中对应于所述目标绝缘节的目标区域;
前景模型生成子模块,用于获取所述标准图像中所述目标区域内的像素点,并依据所述目标区域内的像素点生成所述前景模型;
背景模型生成子模块,用于获取所述标准图像中所述目标区域外的像素点,并依据所述目标区域外的像素点生成所述背景模型。
在一具体实现中,所述当前图像生成子模块,包括:
第一概率确定子模块,用于依据所述前景模型和所述实时图像确定所述实时图像中各像素点属于所述目标区域内的第一概率;
第二概率确定子模块,用于依据所述背景模型和所述实时图像确定所述实时图像中各像素点属于所述目标区域外的第二概率;
目标绝缘节的当前图像生成子模块,用于依据所述第一概率、所述第二概率和所述实时图像生成所述目标绝缘节的当前图像。
获取音频信号子模块,用于敲打所述目标绝缘节所产生的第一音频信号和第二音频信号;其中,所述第一音频信号和所述第二音频信号的时间间隔为预设时间;
平均音频信号处理子模块,将所述第一音频信号和所述第二音频信号经过平均处理得到平均音频信号;
当前音频信号确定子模块,将所述平均音频信号经过放大和降噪处理后,得到所述当前音频信号。
在本发明一实施例中,所述当前分割图像集生成模块220,包括:
目标绝缘节的标识确定子模块,用于依据所述位置信息确定所述目标绝缘节的标识;
图像分割路径确定子模块,用于依据所述目标绝缘节的标识确定所述目标绝缘节的图像分割路径。
图像编号子模块,用于依据所述图像分割路径将所述目标绝缘节的当前图像分割成预设数量的当前分割图像,并对所述当前分割图像进行编号;
当前分割图像集生成子模块,用于依据编号后的所述当前分割图像生成所述当前分割图像集。
在本发明一实施例中,所述差异情况确定模块230,包括:
第一图像差异值确定子模块,用于分别确定所述当前获取时间点最相近的历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值;
第一差异情况叠加子模块,用于叠加所述图像差异值生成所述第一差异情况。
第二图像差异值确定子模块,用于分别确定单个历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值;
第二比对差值生成子模块,用于将单个历史图像集中每个历史分割图像与当前分割图像集中每个当前分割图像的图像差异值全部进行叠加,分别生成所述第二比对差值;
第二差异情况生成子模块,用于将所有历史分割图像集中的第二比对差值进行比较,将所述第二比对差值中数值最大的作为第二差异情况。
第三图像差异值确定子模块,用于分别确定单个历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值;
第三比对差值生成子模块,用于将单个历史图像集中每个历史分割图像与当前分割图像集中每个当前分割图像的图像差异值全部进行叠加,分别生成所述第三比对差值;
第三差异情况生成子模块,用于将预设次数内的各历史分割图像集中的第三比对差值进行叠加,作为第三差异情况。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
在本具体实施例与上述具体实施例中有重复的操作步骤,本具体实施例仅做简单描述,其余方案参考上述具体实施例描述即可。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
参照图4,示出了本申请的一种铁路绝缘节检测方法的计算机设备,具体可以包括如下:
上述计算机设备12以通用计算设备的形式表现,计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,内存28,连接不同***组件(包括内存28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、音视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
内存28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器30和/或高速缓存存储器32。计算机设备12可以进一步包括其他移动/不可移动的、易失性/非易失性计算机体统存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘(如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其他光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质界面与总线18相连。存储器可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块42,这些程序模块42被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器中,这样的程序模块42包括——但不限于——操作***、一个或者多个应用程序、其他程序模块42以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头等)通信,还可与一个或者多个使得操作人员能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其他计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过I/O接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)),广域网(WAN)和/或公共网络(例如因特网)通信。如图4所示,网络适配器20通过总线18与计算机设备12的其他模块通信。应当明白,尽管图4中未示出,可以结合计算机设备12使用其他硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元16、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***34等。
处理单元16通过运行存储在内存28中的程序,从而执行各种功能应用以及数据处理,例如实现本申请实施例所提供的一种铁路绝缘节检测方法。
也即,上述处理单元16执行上述程序时实现:获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点以及所述当前状态数据的位置信息;依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像确定生成当前分割图像集;确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;第二差异情况确定模块,用于确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;第三差异情况确定模块,用于确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况;依据所述第一差异情况和/或第二差异情况和/或第三差异情况确认所述目标绝缘节的当前形变情况;具体地,当所述第一差异情况和/或第二差异情况和/或第三差异情况超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修。
在本申请实施例中,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请所有实施例提供的一种铁路绝缘节检测方法。
也即,给程序被处理器执行时实现:获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点以及所述当前状态数据的位置信息;依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像确定生成当前分割图像集;确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;第二差异情况确定模块,用于确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;第三差异情况确定模块,用于确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况;依据所述第一差异情况和/或第二差异情况和/或第三差异情况确认所述目标绝缘节的当前形变情况;具体地,当所述第一差异情况和/或第二差异情况和/或第三差异情况超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言——诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在操作人员计算机上执行、部分地在操作人员计算机上执行、作为一个独立的软件包执行、部分在操作人员计算机上部分在远程计算机上执行或者完全在远程计算机或者服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到操作人员计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种铁路绝缘节检测方法及装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种铁路绝缘节检测方法,所述方法用于通过装载在火车上的监控装置获取的实时图像确定目标绝缘节的形变情况;其中,所述形变情况包括待维修或正常,其特征在于,包括:
获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号;
依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集;
确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况;
依据所述位置信息确定对应于所述目标绝缘节的标准音频信号,并依据所述当前音频信号和所述标准音频信号确定音频差异度;
依据所述第一差异情况和/或第二差异情况和/或第三差异情况和所述音频差异度确定差异总值,并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修;具体地,当所述音频差异度小于等于音频阈值时,将所述音频差异度的权重设为20%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为80%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值;当所述音频差异度大于所述音频阈值时,将所述音频差异度的权重设为80%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为20%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值。
2.根据权利要求1所述的铁路绝缘节检测方法,其特征在于,所述获取所述目标绝缘节的当前状态数据的步骤,包括:
获取所述目标绝缘节的实时图像,并依据所述实时图像和对应于所述目标绝缘节的前景模型和对应于所述目标绝缘节的背景模型生成所述目标绝缘节的当前图像;
获取所述目标绝缘节的位置信息,并依据所述目标绝缘节的位置信息和所述目标绝缘节的当前图像生成所述目标绝缘节的当前状态数据。
3.根据权利要求2所述的铁路绝缘节检测方法,其特征在于,还包括:
获取所述目标绝缘节的标准图像,并确定所述目标绝缘节的标准图像中对应于所述目标绝缘节的目标区域;
获取所述标准图像中所述目标区域内的像素点,并依据所述目标区域内的像素点生成所述前景模型;
获取所述标准图像中所述目标区域外的像素点,并依据所述目标区域外的像素点生成所述背景模型。
4.根据权利要求3所述的铁路绝缘节检测方法,其特征在于,所述依据所述实时图像和对应于所述目标绝缘节的前景模型和所述目标绝缘节的背景模型生成所述目标绝缘节的当前图像的步骤,包括:
依据所述前景模型和所述实时图像确定所述实时图像中各像素点属于所述目标区域内的第一概率;
依据所述背景模型和所述实时图像确定所述实时图像中各像素点属于所述目标区域外的第二概率;
依据所述第一概率、所述第二概率和所述实时图像生成所述目标绝缘节的当前图像。
5.根据权利要求1所述的铁路绝缘节检测方法,其特征在于,所述当前音频信号为:
敲打所述目标绝缘节所产生的第一音频信号和第二音频信号;其中,所述第一音频信号和所述第二音频信号的时间间隔为预设时间;
将所述第一音频信号和所述第二音频信号经过平均处理得到平均音频信号;
将所述平均音频信号经过放大和降噪处理后,得到所述当前音频信号。
6.根据权利要求1所述的铁路绝缘节检测方法,其特征在于,所述依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集的步骤,包括:
依据所述图像分割路径将所述目标绝缘节的当前图像分割成预设数量的当前分割图像,并对所述当前分割图像进行编号;
依据编号后的所述当前分割图像生成所述当前分割图像集。
7.根据权利要求6所述的铁路绝缘节检测方法,其特征在于,所述确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况的步骤,包括:
分别确定所述当前获取时间点最相近的历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值;
叠加所述图像差异值生成所述第一差异情况。
8.根据权利要求6所述的铁路绝缘节检测方法,其特征在于,所述确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况的步骤,包括:分别确定单个历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值;
将单个历史图像集中每个历史分割图像与当前分割图像集中每个当前分割图像的图像差异值全部进行叠加,分别生成所述第二比对差值;
将所有历史分割图像集中的第二比对差值进行比较,将所述第二比对差值中数值最大的作为第二差异情况。
9.根据权利要求6所述的铁路绝缘节检测方法,其特征在于,确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况的步骤,包括:
分别确定单个历史分割图像集中和所述当前分割图像集中编号相对应的历史分割图像与所述当前分割图像间的图像差异值;
将单个历史图像集中每个历史分割图像与当前分割图像集中每个当前分割图像的图像差异值全部进行叠加,分别生成第三比对差值;
将预设次数内的各历史分割图像集中的第三比对差值进行叠加,作为第三差异情况。
10.一种铁路绝缘节检测装置,所述装置用于通过装载在火车上的监控装置获取的实时图像确定目标绝缘节的形变情况;其中,所述形变情况包括待维修或正常,其特征在于,包括:
当前状态数据获取模块,用于获取所述目标绝缘节的当前状态数据,其中,所述当前状态数据包括所述目标绝缘节的当前图像、所述当前状态数据的获取时间点、所述当前状态数据的位置信息以及敲打所述目标绝缘节所产生的当前音频信号;
当前分割图像集生成模块,用于依据所述位置信息确定对应于所述目标绝缘节的图像分割路径,并依据所述目标绝缘节的图像分割路径和所述目标绝缘节的当前图像生成当前分割图像集;
差异情况确定模块,用于确定所述当前分割图像集中的每个分割图像与当前获取时间点最相近的历史分割图像集中所对应的每个分割图像的第一差异情况;其中,所述当前获取时间点最相近的历史分割图像集为对应于前一获取时间点的所述当前分割图像集;和/或;第二差异情况确定模块,用于确定所述当前分割图像集中的每个分割图像分别和所有历史分割图像集中所对应的每个分割图像的第二差异情况;和/或;第三差异情况确定模块,用于确定所述当前分割图像集中的每个分割图像分别和预设次数内的各历史分割图像集中所对应的每个分割图像的第三差异情况;
音频差异度确定模块,用于依据所述位置信息确定对应于所述目标绝缘节的标准音频信号,并依据所述当前音频信号和所述标准音频信号确定音频差异度;
当前形变情况确认模块,用于依据所述第一差异情况和/或第二差异情况和/或第三差异情况和所述音频差异度确定差异总值,并当所述差异总值超过预设阈值时,将所述目标绝缘节的当前形变情况设置为待维修;具体地,当所述音频差异度小于等于音频阈值时,将所述音频差异度的权重设为20%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为80%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值;当所述音频差异度大于所述音频阈值时,将所述音频差异度的权重设为80%且将所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和设为20%,根据所述音频差异度的权重和所述第一差异情况和/或第二差异情况和/或第三差异情况的权重之和计算出差异总值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110567484.8A CN113487620A (zh) | 2021-05-24 | 2021-05-24 | 一种铁路绝缘节检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110567484.8A CN113487620A (zh) | 2021-05-24 | 2021-05-24 | 一种铁路绝缘节检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113487620A true CN113487620A (zh) | 2021-10-08 |
Family
ID=77933122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110567484.8A Pending CN113487620A (zh) | 2021-05-24 | 2021-05-24 | 一种铁路绝缘节检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487620A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114070979A (zh) * | 2021-10-31 | 2022-02-18 | 武汉市菲利纸业有限责任公司 | 瓦楞纸箱生产中切割点图像的捕获数据处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180300549A1 (en) * | 2017-04-12 | 2018-10-18 | Baidu Online Network Technology (Beijing) Co., Ltd. | Road detecting method and apparatus |
CN109242869A (zh) * | 2018-09-21 | 2019-01-18 | 科大讯飞股份有限公司 | 一种图像实例分割方法、装置、设备及存储介质 |
CN112526303A (zh) * | 2020-12-02 | 2021-03-19 | 中铁通信信号勘测设计院有限公司 | 一种轨道电路机械绝缘节监测方法、装置及*** |
-
2021
- 2021-05-24 CN CN202110567484.8A patent/CN113487620A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180300549A1 (en) * | 2017-04-12 | 2018-10-18 | Baidu Online Network Technology (Beijing) Co., Ltd. | Road detecting method and apparatus |
CN109242869A (zh) * | 2018-09-21 | 2019-01-18 | 科大讯飞股份有限公司 | 一种图像实例分割方法、装置、设备及存储介质 |
CN112526303A (zh) * | 2020-12-02 | 2021-03-19 | 中铁通信信号勘测设计院有限公司 | 一种轨道电路机械绝缘节监测方法、装置及*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114070979A (zh) * | 2021-10-31 | 2022-02-18 | 武汉市菲利纸业有限责任公司 | 瓦楞纸箱生产中切割点图像的捕获数据处理方法 |
CN114070979B (zh) * | 2021-10-31 | 2024-01-19 | 武汉鑫华达彩印包装有限公司 | 瓦楞纸箱生产中切割点图像的捕获数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Inter/intra-category discriminative features for aerial image classification: A quality-aware selection model | |
CN106097315A (zh) | 一种基于声呐图像的水下构筑物裂缝提取方法 | |
CN110232368B (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
WO2019167784A1 (ja) | 位置特定装置、位置特定方法及びコンピュータプログラム | |
CN112037223B (zh) | 图像缺陷检测方法、装置及电子设备 | |
KR20180109658A (ko) | 영상 처리 방법과 장치 | |
CN111815576B (zh) | 金属部件腐蚀状况检测方法、装置、设备和存储介质 | |
CN116563262A (zh) | 基于多模态的建筑裂缝检测算法 | |
CN110795599B (zh) | 基于多尺度图的视频突发事件监测方法及*** | |
CN116310993A (zh) | 目标检测方法、装置、设备及存储介质 | |
CN113642447B (zh) | 卷积神经网络级联的监控图像车辆检测方法及其*** | |
CN113487620A (zh) | 一种铁路绝缘节检测方法及装置 | |
CN114445663A (zh) | 检测对抗样本的方法、装置及计算机程序产品 | |
CN108446581A (zh) | 一种恶劣环境中的无人机检测方法 | |
CN115083008A (zh) | 运动目标检测方法、装置、设备及存储介质 | |
CN116229419B (zh) | 一种行人检测方法及装置 | |
CN112037182A (zh) | 基于时序图像的机车走行部故障检测方法、装置及存储介质 | |
CN115830012A (zh) | 一种接触网线索损伤数据检测分析方法 | |
CN113505860B (zh) | 盲区检测训练集的筛选方法、装置、服务器及存储介质 | |
CN113447572B (zh) | 钢轨探伤方法、电子装置、钢轨探伤车及可读存储介质 | |
Balcilar et al. | Extracting vehicle density from background estimation using Kalman filter | |
CN113450385B (zh) | 一种夜间工作工程机械视觉跟踪方法、装置及存储介质 | |
CN113762027B (zh) | 一种异常行为的识别方法、装置、设备及存储介质 | |
CN113591787A (zh) | 光纤链路部件的识别方法、装置、设备和存储介质 | |
CN113657218A (zh) | 一种能够减少冗余数据的视频对象检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |