Автоматизация процесса диагностики токоприемников электровозов

В статье представлен подход для автоматизированная система диагностики токоприёмников электровозов на основе машинного зрения, позволяющая заменить трудоёмкие и субъективные ручные осмотры бесконтактными высокоточными измерениями. Программа на Python с использованием библиотек OpenCV, NumPy и SciPy анализирует фото и видеопоток: по фотографии измеряет минимальную толщину и ширину угольной вставки, а в режиме реального времени отслеживает геометрические параметры токоприёмника по видео с светоотражающими метками, вычисляя расстояния и углы между контрольными точками. Внедрение системы позволит снизить влияние человеческого фактора, а также выявлять дефекты на ранней стадии, прогнозировать остаточный ресурс оборудования, сокращать эксплуатационные расходы и минимизировать риск аварийных ситуаций, повышая надёжность электроснабжения электроподвижного состава.

1. Дмитренко, А. В. Оценка влияния среднего веса грузовых поездов на размеры их движения по магистральным железнодорожным линиям / А. В. Дмитренко, С. М. Наурузбаев // Вестник Ростовского государственного университета путей сообщения. – 2025. – № 4. – С. 81–89.

2. Kolosov D. V., Zharkov Yu. I., Semenov Yu. G., Otypka J. The principals of operation of the automated current collection diagnostic system for electrified railways // 2015 16th International Scientific Conference on Electric Power Engineering (EPE). — Kouty nad Desnou, Czech Republic, 2015. — P. 1–6.

3. Шепилова, Е. Г. Проблемы и перспект ивы развития искусственного интеллекта на железнодорожном транспорте России / Е. Г. Шепилова, В. Р. Хусаинов // Инновационное развитие транспортного и строительного комплексов : Материалы международной научно-практической конференции, посвященной 70-летию БелИИЖТа - БелГУТа. В 2-х частях, Гомель, 16–17 ноября 2023 года. – Гомель: Белорусский государственный университет транспорта, 2023. – С. 193-195. – EDN LUJHBG.

4. Хусаинов, В. Р. Применение искусственного интеллекта при разработке современных приложений / В. Р. Хусаинов, П. Д. Шрамкова // Цифровые инфокоммуникационные технологии : Сборник научных трудов V Международной научно-практической конференции, посвященной 50-летию кафедры "Связь на железнодорожном транспорте". В 2-х томах, Ростов-на-Дону, 23 октября 2025 года. – Ростов-на-Дону: Ростовский государственный университет путей сообщения, 2025. – С. 212-217. – EDN HVFVJF.

5. Бутакова, М. А. Технологии искусствен ного интеллекта и его приложения : Учебно-методическое пособие / М. А. Бутакова, М. И. Мялова. – Ростов-на-Дону : Южный федеральный университет, 2021. – 48 с. – EDN KHOJPY.

6. Мялова, М. И. Разработка пользователь ского интерфейса на основе Python для автоматического выбора алгоритма кластеризации данных / М. И. Мялова, М. А. Пазин // Цифровые инфокоммуникационные технологии : сборник научных трудов, Ростов-на-Дону, 07 сентября 2021 года. – Ростов-на-Дону: Ростовский государственный университет путей сообщения, 2021. – С. 77-81. – EDN JBFZAJ.