TFDS通过作业智能检测系统技术方案

TFDS通过作业智能检测系统，涉及铁路货车故障检测领域。本发明专利技术是为了解决目前采用人工现有检测铁路货车部件故障准确率、效率、精度低的问题。本发明专利技术所述的TFDS通过作业智能检测系统包括图像采集模块、图像预处理模块、故障自动识别模块、故障信息处理模块。本发明专利技术用于一个系统完成铁路货车不同故障的检测并报警。一个系统完成铁路货车不同故障的检测并报警。一个系统完成铁路货车不同故障的检测并报警。

【技术实现步骤摘要】
TFDS通过作业智能检测系统


[0001]本专利技术涉及铁路货车故障检测领域，特别涉及TFDS通过作业智能检测系统。

技术介绍

[0002]在TFDS通过作业中，所涉及的铁路货车部件全部为危及行车安全的部件，一旦发生故障，可能会造成人民群众生命财产的损失。为确保这些重要部件的安全稳定运行，需要对这些部件进行故障检测。
[0003]在目前的铁路货车故障检测中，采用人工检查图像的方式进行故障检测。由于检车人员在工作过程中极易出现疲劳、遗漏等情况，造成漏检、错检的出现，且人工检测的效率、精度和准确率低，从而影响列车的运行安全。

技术实现思路

[0004]本专利技术目的是为了解决目前采用人工现有检测铁路货车部件故障准确率、效率、精度低的问题，而提出了TFDS通过作业智能检测系统。
[0005]TFDS通过作业智能检测系统包括：图像采集模块、图像预处理模块、故障自动识别模块、故障信息处理模块。
[0006]图像采集及分析模块，用于采集铁路货车底部和侧部图像，并将所拍摄的图像存入到数据存储服务器中，同时对采集的图像进行分析，获得车轴距信息和车型信息，并将列车轴距信息、车型信息全部存入至存储服务器中；
[0007]图像预处理模块，用于对铁路货车进行车型分析、转向架类型识别、车钩类型识别，并在识别后进行图像增强；
[0008]图像预处理模块包括：车型分析子模块、转向架类型识别子模块、车钩类型识别子模块、图像增强子模块；
[0009]车型分析子模块，用于存储车型均值列表；
[0010]转向架类型识别子模块，用于对铁路货车转向架类型进行识别；
[0011]车钩类型识别子模块，用于对铁路货车车钩类型进行识别；
[0012]图像增强子模块，用于增强铁路货车图像对比度；
[0013]图像增强的具体过程：
[0014]步骤四一、提取新过车图像车体部分ROI区域，并分别计算每个ROI区域灰度的均值A；
[0015]新过车图像为图像采集分析模块采集、分析后的待检测图像；
[0016]提取新过车图像车体部分ROI区域采用图像处理技术；
[0017]步骤四二、根据图像采集及分析模块中获得车型信息，查看车型均值列表中此辆车型均值B；
[0018]步骤四三、计算新过车图像车体部分ROI区域图像的直方图：
[0019]新过车图像的灰度值在灰度范围为0至A范围内，则将新过车图像的灰度值压缩或
者拉伸至0至B范围内；
[0020]新过车图像的灰度值在灰度范围为A至255范围内，则将新过车图像的灰度值压缩或者拉伸到B至255范围；
[0021]步骤四四、根据步骤四三的直方图计算出映射曲线C：
[0022][0023]其中，x是图像中某一像素点的原始灰度值；
[0024]步骤四五、将新过车图像车体部分ROI区域输入，实现图像增强；
[0025]故障自动识别模块，用于根据故障的类型分别对丢失类故障、折损类故障、不正位类故障进行识别；
[0026]故障信息处理模块，用于将自动识别模块中的全部预警信息整合在一起，并进行相关信息提取，最终将故障信息传至检车平台，供检车工人查看。
[0027]本专利技术的有益效果为：
[0028]本专利技术将智能检测技术应用到铁路货车故障检测中代替人工检测，提高了故障检测精度，采用自适应曲线的方式进行图像增强，提高了故障检测准确率。本专利技术采用统一一套处理流程，根据故障形态进行分类，运用不同模块对应处理不同的故障，提高了每种故障的检测准确率和检测效率，进而保障了列车的运行安全。
附图说明
[0029]图1为TFDS通过作业智能检测系统模块图；
[0030]图2为图像预处理流程图；
[0031]图3为故障自动识别流程图；
[0032]图4为图像增强映射曲线。
具体实施方式
[0033]具体实施方式一：本实施方式TFDS通过作业智能检测系统包括：图像采集模块、图像预处理模块、故障自动识别模块、故障信息处理模块。
[0034]图像采集模块，用于采集铁路货车底部和侧部高清高分辨图像，并将所拍摄的高清高分辨图像存入到数据存储服务器中，并将列车轴距信息、车型信息全部存入至存储服务器中。
[0035]图像预处理模块，用于对铁路货车进行车型分析、转向架类型识别、车钩类型识别，并在识别后进行图像增强；
[0036]故障自动识别模块，用于根据故障的类型分别对丢失类故障、折损类故障、不正位类故障进行识别。
[0037]故障信息处理模块，用于将自动识别模块中的全部预警信息整合在一起，并进行相关信息提取，最终将故障信息传至检车平台，供检车工人查看。
[0038]具体实施方式二：本实施方式与具体实施方式一不同的是：图像采集模块，用于采集铁路货车底部和侧部高清高分辨图像，具体过程为：
[0039]在铁路货车底部和侧部分别架设高清高分辨相机，当列车通过时，拍摄高清高分
辨图像。
[0040]具体实施方式三：本实施方式与具体实施方式一至二不同的是：图像预处理模块包括：车型分析子模块、转向架类型识别子模块、车钩类型识别子模块、图像增强子模块；
[0041]车型分析子模块，用于存储车型均值列表；
[0042]转向架类型识别子模块，用于对铁路货车转向架类型进行识别；
[0043]其中，货车转向架类型包括：K2型转向架、K3型转向架、K4型转向架、K5型转向架、K6型转向架等；
[0044]车钩类型识别子模块，用于对铁路货车车钩类型进行识别；
[0045]其中，铁路货车车钩类型包括：13型车钩、16型车钩、17型车钩等；
[0046]图像增强子模块，用于增强铁路货车图像对比度。
[0047]具体实施方式四：本实施方式与具体实施方式一至三不同的是：车型分析子模块，用于存储车型均值列表，具体过程为：
[0048]步骤一一、根据铁路货车车型形成货车车型列表；
[0049]其中，铁路货车车型包括：棚车、敞车、平车、罐车、粮食车等；
[0050]步骤一二、收集每种车型列表中的车型图像选择亮暗适中、对比度清晰的图像；
[0051]步骤一三、提取步骤一二收集图像中车体部分ROI区域，并分别计算每个ROI区域灰度的灰度均值，形成车型均值列表；
[0052]其中，提取步骤一二收集图像中车体部分ROI区域采用图像处理技术；
[0053]步骤一四、将车型均值列表进行存储，作为车型信息的先验知识。
[0054]具体实施方式五：本实施方式与具体实施方式一至四不同的是：转向架类型识别子模块，用于对铁路货车转向架类型进行识别，具体过程为：
[0055]步骤二一、分别收集各种转向架类型图像作为转向架分类的数据集；
[0056]其中，数据集中每种转向架类型的图像个数相等。
[0057]步骤二二、对数据集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.TFDS通过作业智能检测系统，其特征在于该系统包括：图像采集模块、图像预处理模块、故障自动识别模块、故障信息处理模块；所述图像采集及分析模块，用于采集铁路货车底部和侧部图像，并将所拍摄的图像存入到数据存储服务器中，同时对采集的图像进行分析，获得车轴距信息和车型信息，并将列车轴距信息、车型信息全部存入至存储服务器中；所述图像预处理模块，用于对铁路货车进行车型分析、转向架类型识别、车钩类型识别，并在识别后进行图像增强；所述图像预处理模块包括：车型分析子模块、转向架类型识别子模块、车钩类型识别子模块、图像增强子模块；所述车型分析子模块，用于存储车型均值列表；所述转向架类型识别子模块，用于对铁路货车转向架类型进行识别；所述车钩类型识别子模块，用于对铁路货车车钩类型进行识别；所述图像增强子模块，用于增强铁路货车图像对比度；所述图像增强的具体过程：步骤四一、提取新过车图像车体部分ROI区域，并计算每个ROI区域灰度的均值A；所述新过车图像为图像采集分析模块采集、分析后的待检测图像；所述提取新过车图像车体部分ROI区域采用图像处理技术；步骤四二、根据图像采集及分析模块中获得车型信息，查看车型均值列表中此辆车型均值B；步骤四三、计算新过车图像车体部分ROI区域图像的直方图：新过车图像的灰度值在灰度范围为0至A范围内，则将新过车图像的灰度值压缩或者拉伸至0至B范围内；新过车图像的灰度值在灰度范围为A至255范围内，则将新过车图像的灰度值压缩或者拉伸到B至255范围；步骤四四、根据步骤四三的直方图计算出映射曲线C：其中，x是图像中某一像素点的原始灰度值；步骤四五、将新过车图像车体部分ROI区域输入，实现图像增强；所述故障自动识别模块，用于根据故障的类型分别对丢失类故障、折损类故障、不正位类故障进行识别；所述故障信息处理模块，用于将自动识别模块中的全部预警信息整合在一起，并进行相关信息提取，最终将故障信息传至检车平台，供检车工人查看。2.根据权利要求1所述的TFDS通过作业智能检测系统，其特征在于：所述图像采集模块，用于采集铁路货车底部和侧部图像，具体过程为：在铁路货车底部和侧部分别架设相机，当列车通过时，拍摄货车底部和侧部图像。3.根据权利要求2所述的TFDS通过作业智能检测系统，其特征在于：所述车型分析子模块，用于存储车型均值列表，具体过程为：
步骤一一、根据铁路货车车型形成货车车型列表；步骤一二、收集每种车型列表中的车型图像选择亮暗适中、对比度清晰的图像；步骤一三、提取步骤一二收集图像中车体部分ROI区域，并分别计算每个ROI区域的灰度均值，形成车型均值列表；所述提取步骤一二收集图像中车体部分ROI区域采用图像处理技术；步骤一四、将车型均值列表进行存储，作为车型信息的先验知识。4.根据权利要求3所述的TFDS通过作业智能检测系统，其特征在于：所述转向架类型识别子模块，用于对...

【专利技术属性】
技术研发人员：潘明辉，付桂久，姚福军，崔建平，韩春波，赵大勇，董功才，王锡刚，韩斌，孟德剑，马凌宇，秦昌，
申请(专利权)人：哈尔滨市科佳通用机电股份有限公司，
类型：发明
国别省市：