【技术实现步骤摘要】
本专利技术属于轨道车辆健康检测，具体涉及一种crh5动车组齿轮箱箱体裂纹边缘检测方法。
技术介绍
1、crh5动车组齿轮箱结构复杂、激振源多，由机械、电气因素诱发的弯扭振动相互耦合，在长交路服役环境下齿轮箱极易发生振动磨损、疲劳磨损而出现箱体裂纹故障，严重危及铁路运输安全。由于crh5动车组齿轮箱的结构独特，箱体裂纹形状具有一定的不确定性，目前crh5动车组齿轮箱箱体裂纹的监测主要依靠人工肉眼监测，受动车组列检人员的责任心、专业素质等多种因素影响，检查过程中存在一定的“漏检、错检”隐患，而且人工监测效率低、无法实现齿轮箱裂纹的计算机提取。
技术实现思路
1、为解决上述
技术介绍
中提出的问题，本专利技术提供一种crh5动车组齿轮箱箱体裂纹边缘检测方法，以解决现有技术中人工监测效率低、无法实现齿轮箱裂纹的计算机提取的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种crh5动车组齿轮箱箱体裂纹边缘检测方法，包括以下步骤：
4、s1：进行crh5动车组齿轮箱箱体裂纹图像的采集；
5、s2：对齿轮箱箱体裂纹图像进行预处理，得到裂纹灰度图像；
6、s3：对裂纹灰度图像进行滤波处理，滤波处理采用中值滤波算法进行裂纹灰度图像的滤波处理，得到滤波处理后裂纹图像；
7、s4：采用otsu自适应阈值算法对滤波处理后裂纹图像进行图像分割，将滤波处理后裂纹图像分为背景和目标两个部分，并将背景从图像中分离出来，得到目标图像
8、s5：使用多尺度形态学运算与canny算子结合进行目标图像的边缘检测，得到轮廓清晰、细节突出的图像边缘。
9、优选地，s1中的采用视频监控设备进行进行crh5动车组齿轮箱箱体裂纹图像的采集，监控设备包括：
10、齿轮箱吊座；齿轮箱吊座固定安装在crh5动车组的动力转向架上；
11、至少两个摄像机；至少一个摄像机固定安装在齿轮箱底部支架上，至少有个摄像机固定安装在齿轮箱吊座上，所有摄像机的摄像头均指向齿轮箱箱体；
12、主机nvr；主机nvr与所有摄像头连接，主机nvr用于存储摄像机采集的齿轮箱箱体裂纹图像；
13、监控终端；监控终端与主机nvr连接，监控终端用于获取齿轮箱箱体裂纹图像并进行实时监控。
14、优选地，s2中的预处理主要包括以下步骤：
15、s2.1：将齿轮箱箱体裂纹图像转换为灰度直方图，灰度直方图的横坐标为图像的灰度级，纵坐标为个灰度级像素出现的概率；
16、s2.2：对灰度直方图进行非线性伽马变换，得到裂纹灰度图像；
17、其中伽马变换的表达式为：
18、y＝(x+esp)γ；
19、式中，x、y为灰度直方图的横轴、纵轴坐标，取值范围均为[0,1]，esp为补偿系数，γ为伽马系数。
20、优选地，s3中，中值滤波算法进行裂纹灰度图像的滤波处理的具体步骤包括：
21、s3.1：将二维3×3矩形滤波器的模板沿裂纹灰度图像逐点滑动，使模板原点与裂纹灰度图像中某个像素(x,y)重合；
22、s3.2：获取模板下每一个对应像素的灰度值，将它们由小到大依次排序；
23、s3.3：将灰度值序列的中间元素灰度值赋给裂纹灰度图像对应模板中心位置的像素，得到中值滤波算法处理后的图像，其中，中值滤波算法的计算公式为：
24、g(x,y)＝med{f(x-m,y-n),m,n∈w}；
25、式中，f(x,y)是输入的裂纹灰度图像的原始图像，w表示二维模板。
26、优选地，当曝光不足或过度曝光时，在预处理步骤后采用限制对比度自适应直方图均衡化的方法对光照条件不理想的灰度直方图进行增强处理；
27、先剪裁灰度直方图、对每个灰度直方图重新分配、再计算转化函数；
28、各灰度直方图的剪切上限β及对比度计算c公式如下：
29、
30、
31、其中l为各个灰度直方图的灰度级数，u为灰度直方图的灰度均值，q为灰度直方图的均方差，imax、imin表示图像像素的最大值、最小值。
32、优选地，s4中的图像分割具体方法为：
33、设阈值t0将裂纹图像分为灰度等于w0、w1的两个区域，相应的概率分别等于w0、w1，滤波处理后裂纹图像的平均灰度计算式为：
34、μ＝p0w0+p1w1；
35、则总方差的计算公式为：
36、δ2＝p0(μ-w0)2+p1(μ-w1)2；
37、其中总方差最大的t0值为最佳的分割阈值，将总方差最大的t0值选作双阈值中的高阈值tmax，另选择0.3tmax作为低阈值，滤波处理后裂纹图像分割后w0和w1分别为前景区域和背景区域，其中w0为目标图像。
38、优选地，s5中，多尺度形态学运算与canny算子相结合的裂纹图像边缘检测中，采用canny算子进行图像边缘检测的主要步骤如下：
39、将目标图像f(x,y)与二维高斯滤波器g(x,y)进行卷积计算，其平滑后的图像e(x,y)的计算公式如下：
40、
41、e(x,y)＝f(x,y)*g(x,y)；
42、式中δ为高斯滤波器的分布参数；
43、针对目标图像的每个像素点，根据一阶偏导有限差分计算梯度的幅值和方向，采用的一阶差分卷积模板如下所示：
44、
45、目标图像f(x,y)的任一像素点(i,j)在x和y两垂直方向的偏导计算公式如下：
46、gx(i,j)＝(e[i,j+1]-e[i,j]+e[i+1,j+1]-e[i+1,j])/2；
47、gy(i,j)＝(e[i,j]-e[i+1,j]+e[i,j+1]-e[i+1,j+1])/2；
48、其梯度算子幅值及方向的计算公式分别为：
49、
50、θ(i,j)＝arctan[gy(i,j)/gx(i,j)]；
51、f(i,j)反映了目标图像上点(i,j)处的边缘强度，θ(i,j)为图像点(i,j)的法向矢量，且正交于边缘方向，根据每点的梯度方向判断此点强度是否为其邻域的最大值，确定该点是否为图像边缘点；
52、依据梯度方向保留局部梯度最大点，抑制梯度幅值的非极大值，采用双阈值检测并连接图像边缘，得到裂纹的边缘图像ef1。
53、优选地，s5中，多尺度形态学运算与canny算子相结合的裂纹图像边缘检测中，多尺度形态学运算与canny算子结合的裂纹图像边缘检测具体为：
54、选用如下2个结构元素：
55、
56、
57、对结构元素a、b作n次膨胀，n为尺度参数，分别记作对于目标图像f，采用膨胀结构an作连续的n次多尺度膨胀记作：则改进后的大尺度形态学算本文档来自技高网...
【技术保护点】
1.一种CRH5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种CRH5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，S1中的采用视频监控设备进行进行CRH5动车组齿轮箱箱体裂纹图像的采集，监控设备包括：
3.根据权利要求1所述的一种CRH5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，S2中的预处理主要包括以下步骤：
4.根据权利要求1所述的一种CRH5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，S3中，中值滤波算法进行裂纹灰度图像的滤波处理的具体步骤包括：
5.根据权利要求4所述的一种CRH5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，当曝光不足或过度曝光时，在预处理步骤后采用限制对比度自适应直方图均衡化的方法对光照条件不理想的灰度直方图进行增强处理；
6.根据权利要求1所述的一种CRH5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，S4中的图像分割具体方法为：
7.根据权利要求1所述的一种CRH5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，S5中，多尺度形
8.根据权利要求7所述的一种CRH5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，S5中，多尺度形态学运算与Canny算子相结合的裂纹图像边缘检测中，多尺度形态学运算与Canny算子结合的裂纹图像边缘检测具体为：
9.根据权利要求8所述的一种CRH5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，S5中，多尺度形态学与Canny算子结合的裂纹图像边缘检测步骤如下:
10.根据权利要求2所述的一种CRH5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，摄像机采用有效像素720p，防护等级IP66的光纤网络球摄像机，主机NVR采用车载网络视频录像主机NVR。
...【技术特征摘要】
1.一种crh5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种crh5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，s1中的采用视频监控设备进行进行crh5动车组齿轮箱箱体裂纹图像的采集，监控设备包括：
3.根据权利要求1所述的一种crh5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，s2中的预处理主要包括以下步骤：
4.根据权利要求1所述的一种crh5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，s3中，中值滤波算法进行裂纹灰度图像的滤波处理的具体步骤包括：
5.根据权利要求4所述的一种crh5动车组齿轮箱箱体裂纹边缘检测方法，其特征在于，当曝光不足或过度曝光时，在预处理步骤后采用限制对比度自适应直方图均衡化的方法对光照条件不理想的灰度直方图进行增强处理；
6.根据权利要求1所述的一种crh5动车组齿轮箱箱体裂纹边缘检测方法，其特...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。