基于计算机视觉的受电弓滑板磨耗图像的识别 摘 要：根据计算机视觉原理、数字图像处理与识别理论，针对受电弓滑板图片，文章提出边缘提取和上边缘搜索等改进算法，实现滑板磨耗超限故障图像的辨识。将图片进行滤波去噪等预处理，再进行边缘定位检测、图像分割、图像增强、图像复原等处理。综合运用改进的Canny算法、Hough变换、BP神经网络来识别滑板厚度。文章的研究成果对高速铁路受电弓滑板磨耗超限等典型故障的检测与识别具有一定的理论研究价值和工程实用价值。 关键词：数字图像处理；图像预处理；Canny算法；BP神经网络 电力机车通过输电网的受电弓获取电能，受电弓滑板表面和导线之间构成一对摩擦副，当滑板磨耗超限等典型故障出现时，可能造成卡网或拉网，严重危及列车安全，因此对受电弓滑板的磨耗图像进行准确识别具有重要意义。 目前，受电弓滑板检测的方法主要有人工登顶测量法、光纤检测法、超声波传感器检测法、光学三角测量法和计算机图像检测法。图像处理利用图像测量技术，检测所需参数的特征，属于非接触测量动态与静态测量相结合，客观真实。本文对由CCD相机拍摄的受电弓照片进行图
