一种扣件缺陷检测方法、系统、计算机设备及存储介质技术方案

本发明专利技术属于轨道交通运行安全检测技术领域，公开了一种扣件缺陷检测方法、系统、计算机设备及存储介质，从获取的轨道图像中识别出扣件所在的区域，得到待检测扣件图像；将所述待检测对象的掩膜图像分别与待检测对象对应的左模板图像、右模板图像进行匹配，分别得到待检测对象的左匹配值和右匹配值；根据连通区域的数量和位置信息、待检测对象的左匹配值、右匹配值，确定掩膜图像中待检测对象的缺失情况。在上述方法中，采用图像识别和匹配的方法来进行扣件缺陷检测，相比于人工检测，所需时间短，劳动强度低；根据连通区域的数量和位置信息、待检测对象的左匹配值、右匹配值，确定待检测对象的缺失情况，保证了检测的准确率、降低了漏检率。低了漏检率。低了漏检率。

【技术实现步骤摘要】
一种扣件缺陷检测方法、系统、计算机设备及存储介质


[0001]本专利技术属于轨道交通运行安全检测
，尤其涉及一种扣件缺陷检测方法、系统、计算机设备及存储介质。

技术介绍

[0002]目前，轨道交通作为交通运输线路的重要基础组成部分，对于便利群众出行和缓解交通压力起着积极的促进作用。
[0003]轨道由钢轨、轨枕、联结零件、道床等组成，钢轨与轨枕之间由扣件联结，扣件的功用是阻止钢轨作相对于轨枕的纵横向移动，保持钢轨的稳固性。扣件一般包括螺钉、弹条、轨距块等零件。随着轨道长时间运行，这些零件可能会发生松动、掉落等现象，对扣件进行缺陷检测，在保证轨道交通运行安全方面起着重要作用。
[0004]目前，扣件检测主要有两种方法，第一种是维修人员的人工巡检和目测来判断扣件的损害和缺失情况；第二种是采集轨道路面视频，依靠有经验的维修人员观看线路路面录像，从而判断扣件是否需要维修。
[0005]这两种方法都存在所需时间长、劳动强度大、准确率低、漏检率高的问题。

技术实现思路

[0006]针对现有技术存在的问题，本专利技术提供了一种扣件缺陷检测方法、系统、计算机设备及存储介质。
[0007]本专利技术是这样实现的，一种扣件缺陷检测方法，所述扣件缺陷检测方法从获取的轨道图像中识别出扣件所在的区域，得到待检测扣件图像；将所述待检测对象的掩膜图像分别与待检测对象对应的左模板图像、右模板图像进行匹配，分别得到待检测对象的左匹配值和右匹配值；根据连通区域的数量和位置信息、待检测对象的左匹配值、右匹配值，确定掩膜图像中待检测对象的缺失情况。
[0008]进一步，所述扣件缺陷检测方法包括：
[0009]从获取的轨道图像中识别出扣件所在的区域，得到待检测扣件图像；
[0010]对所述待检测扣件图像中的待检测对象进行语义分割，分别得到每种待检测对象的掩膜图像；所述待检测对象为待检测的扣件所包括的零件，所述待检测对象位于所述待检测扣件图像中钢轨的左侧和右侧；
[0011]将所述待检测对象的掩膜图像分别与所述待检测对象对应的左模板图像、右模板图像进行匹配，分别得到所述待检测对象的左匹配值和右匹配值；所述左模板图像、右模板图像分别为标准扣件图像中钢轨左侧预设范围内的图像和所述钢轨右侧预设范围内的图像，所述左模板图像中包括一个左标准对象、所述右模板图像中包括一个右标准对象；
[0012]从所述待检测对象的掩膜图像中提取连通区域的数量和位置信息；
[0013]根据所述连通区域的数量和位置信息、所述待检测对象的左匹配值、右匹配值，确定所述待检测对象的缺失情况。
[0014]进一步，所述待检测扣件图像为多个，每个所述待检测图像对应一个枕木，在从获取的轨道图像中识别出扣件所在的区域，得到待检测扣件图像之后，还包括：
[0015]确定相邻两个所述待检测扣件图像之间的距离，得到待检测的相邻枕木距离；
[0016]提取出所述相邻枕木距离大于预设标准枕木距离的相邻两个待检测扣件之间的图像，得到待检测区域图像；
[0017]使用预设的标准枕木图像在所述待检测区域图像上进行遍历匹配，取得到的最大匹配值作为第一匹配值；所述标准枕木图像中包括一组枕木；
[0018]根据所述第一匹配值确定所述待检测区域图像中是否存在枕木的缺失情况。
[0019]进一步，所述从获取的轨道图像中识别出扣件所在的区域，得到待检测扣件图像，包括：
[0020]将获取的铁轨图像输入目标检测神经网络，输出所述铁轨图像中扣件所在的矩形区域，将所述矩形区域作为待检测扣件图像。
[0021]进一步，所述对所述待检测扣件图像中的待检测对象进行语义分割，分别得到每种待检测对象的掩膜图像，包括：
[0022]将所述待检测扣件图像输入语义分割神经网络，得到扣件的掩膜图像；所述扣件中不同的待检测对象被分别标注为不同颜色；
[0023]通过颜色阈值分割算法，从所述掩膜图像中分别提取每种所述待检测对象对应的掩膜图像。
[0024]进一步，所述待检测对象的种类包括：轨距块、弹条、螺栓；所述每种待检测对象对应的掩膜图像包括：轨距块掩膜图像、弹条掩膜图像、螺栓掩膜图像；
[0025]所述从所述待检测对象的掩膜图像中提取所述待检测对象的数量和位置信息，包括：
[0026]确定所述掩膜图像中的连通区域的数量；
[0027]分别确定每个所述连通区域的中心点坐标；
[0028]若所述连通区域为两个，则计算所述中心点坐标之间的距离，得到第一距离；
[0029]所述将所述待检测对象的掩膜图像分别与所述待检测对象对应的左模板图像、右模板图像进行匹配，分别得到所述待检测对象的左匹配值和右匹配值，包括：
[0030]使用左模板图像在所述待检测对象的掩膜图像上进行遍历匹配，取得到的最大匹配值作为所述待检测对象的左匹配值；
[0031]使用右模板图像在所述待检测对象的掩膜图像上进行遍历匹配，取得到的最大匹配值作为所述待检测对象的右匹配值。
[0032]进一步，所述根据所述连通区域的数量和位置信息、所述待检测对象的左匹配值、右匹配值，确定所述待检测对象的缺失情况，包括：
[0033]若所述连通区域数量为0，则确定所述掩膜图像中不存在所述待检测对象；
[0034]若所述连通区域数量大于0，则确定所述左匹配值、右匹配值中的较小值是否大于第一阈值；
[0035]若所述较小值大于所述第一阈值，则确定所述掩膜图像中的待检测对象没有缺失；
[0036]在确定所述左匹配值、右匹配值中的较小值是否大于第一阈值之后，还包括：
[0037]若所述较小值小于所述第一阈值，则确定所述左匹配值、右匹配值中的较大值是否大于所述第一阈值；
[0038]若所述较大值大于所述第一阈值，且所述连通区域数量为1，则确定较大的匹配值对应的待检测对象存在；
[0039]在确定所述左匹配值、右匹配值中的较大值是否大于所述第一阈值之后，还包括：
[0040]若所述较大值大于所述第一阈值，且所述连通区域数量大于或等于2，则获取所述较大值对应的连通区域的中心点坐标、较小值对应的连通区域的中心点坐标，分别得到第一中心点坐标和第二中心点坐标；
[0041]计算所述第一中心点坐标和所述第二中心点坐标之间的距离，得到第一距离；
[0042]获取所述标准扣件图像中，所述左标准对象和所述右标准对象之间的距离，得到标准距离；
[0043]计算所述第一距离和所述标准距离之间的差值，得到第一差值，并确定所述第一差值与第二阈值之间的大小关系；
[0044]若所述第一差值小于所述第二阈值，则确定所述掩膜图像中的待检测对象没有缺失；
[0045]若所述第一差值大于所述第二阈值，则确定所述掩膜图像中匹配值大于所述第一阈值的待检测对象存在，所述匹配值小于所述第一阈值的待检测对象不存在；
[0046]在确定所述左匹配值、右匹配本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种扣件缺陷检测方法，其特征在于，所述扣件缺陷检测方法包括：从获取的轨道图像中识别出扣件所在的区域，得到待检测扣件图像；将所述待检测扣件对象的掩膜图像分别与待检测对象对应的模板图像进行匹配，分别得到待检测对象的左匹配值和右匹配值；从所述待检测对象的掩膜图像中提取连通区域的数量和位置信息；根据连通区域的数量和位置信息、待检测对象的左匹配值、右匹配值，确定掩膜图像中待检测对象的缺失情况。2.如权利要求1所述的扣件缺陷检测方法，其特征在于，所述扣件缺陷检测方法包括：从获取的轨道图像中识别出扣件所在的区域，得到待检测扣件图像；对所述待检测扣件图像中的待检测对象进行语义分割，分别得到每种待检测对象的掩膜图像；所述待检测对象为待检测的扣件所包括的零件，所述待检测对象位于所述待检测扣件图像中钢轨的左侧和右侧；将所述待检测对象的掩膜图像分别与所述待检测对象对应的左模板图像、右模板图像进行匹配，分别得到所述待检测对象的左匹配值和右匹配值；所述左模板图像、右模板图像分别为标准扣件图像中钢轨左侧预设范围内的图像和所述钢轨右侧预设范围内的图像，所述左模板图像中包括一个左标准对象、所述右模板图像中包括一个右标准对象；从所述待检测对象的掩膜图像中提取连通区域的数量和位置信息；根据所述连通区域的数量和位置信息、所述待检测对象的左匹配值、右匹配值，确定所述待检测对象的缺失情况。3.如权利要求2所述的扣件缺陷检测方法，其特征在于，所述待检测扣件图像为多个，每个所述待检测图像对应一个枕木，在从获取的轨道图像中识别出扣件所在的区域，得到待检测扣件图像之后，还包括：根据相邻两个所述待检测扣件图像之间的距离，确定待检测的相邻枕木距离；提取出所述相邻枕木距离大于预设标准枕木距离的相邻两个待检测扣件之间的图像，得到待检测区域图像；使用预设的标准枕木图像在所述待检测区域图像上进行遍历匹配，取得到的最大匹配值作为第一匹配值；所述标准枕木图像中包括一组枕木；根据所述第一匹配值确定所述待检测区域图像中是否存在枕木的缺失情况。4.如权利要求2所述的扣件缺陷检测方法，其特征在于，所述从获取的轨道图像中识别出扣件所在的区域，得到待检测扣件图像，包括：将获取的铁轨图像输入目标检测神经网络，输出所述铁轨图像中扣件所在的矩形区域，将所述矩形区域作为待检测扣件图像。5.如权利要求2所述的扣件缺陷检测方法，其特征在于，所述对所述待检测扣件图像中的待检测对象进行语义分割，分别得到每种待检测对象的掩膜图像，包括：将所述待检测扣件图像输入语义分割神经网络，得到扣件的掩膜图像；所述扣件中不同的待检测对象被分别标注为不同颜色；通过颜色阈值分割算法，从所述掩膜图像中分别提取每种所述待检测对象对应的掩膜图像。6.如权利要求2所述的扣件缺陷检测方法，其特征在于，所述待检测对象的种类包括：
轨距块、弹条、螺栓；所述每种待检测对象对应的掩膜图像包括：轨距块掩膜图像、弹条掩膜图像、螺栓掩膜图像；所述从所述待检测对象的掩膜图像中提取所述待检测对象的数量和位置信息，包括：确定所述掩膜图像中的连通区域的数量；分别确定每个所述连通区域的中心点坐标；若所述连通区域为两个，则计算所述中心点坐标之间的距离，得到第一距离；所述将所述待检测对象的掩膜图像分别与所述待检测对象对应的左模板图像、右模板图像进行匹配，分别得到所述待检测对象的左匹配值和右匹配值，包括：使用左模板图像在所述待检测对象的掩膜图像上进行遍历匹配，取得到的最大匹配值作为所述待...

【专利技术属性】
技术研发人员：樊晓东，孟俊华，樊晓莉，张宜霞，杨维，
申请(专利权)人：宽衍河北智能装备有限公司，
类型：发明
国别省市：