一种TFDS挡键丢失故障自动识别方法技术

本发明专利技术涉及列车故障轨边图像检测系统的挡键丢失故障自动识别方法，属于铁路检测领域，其特征在于包括有以下步骤：1）将TFDS采集到的图像进行预处理以消除拍摄环境对原始图像的影响，然后对去噪后的图像进行图像分割处理；2）通过Hough圆变换来对列车轮轴和通孔进行定位，并依据轮轴、通孔以及挡键区域间的几何关系间接标定挡键目标区域；3）通过分析挡键目标区域的灰度级变化来判断挡键是否丢失。?本发明专利技术实现了故障区域的准确定位，并提高了挡键丢失故障的识别率，具有较强的实用价值，为列车故障图像自动识别的工程化应用奠定了基础。

【技术实现步骤摘要】

本专利技术涉及图像分析和处理技术，特别涉及一种列车故障轨边图像检测系统(TFDS)的挡键丢失故障自动识别方法，属于铁路检测领域。
技术介绍
长期以来，我国的列车技术检查(简称列检)基本依靠列检员“手摸、锤敲、眼看、耳听、鼻闻”完成，效率低，劳动强度大，且作业质量易受气候、列检员素质与疲劳程度等因素影响。因此，传统人工列检方式越来越难以适应新形势下列车重载、高速、大密度运行的需要。针对铁路列车安全关键因素，采用光学、电子、红外线等技术动态监测列车运行状态，列车故障轨边图像检测系统(TFDS)应运而生。TFDS作为车辆安全防范预警系统的重要组成部分，它利用轨边高速摄像技术，拍摄途经列车的转向架、制动装置、车钩缓冲装置、车底架以及车体两侧等关键部位的动态图像，通过光纤网络传输到列检所，由动态检车员辅以计算机图像自动识别的人机结合方式检查铁路车辆故障，并及时通知室外检车员实施处理，以保障列车运输安全，但这种人机结合的故障识别方式离计算机全自动识别列车故障还存在较大差距。该自动识别方法旨在消除人工检测所带来的不确定因素，提高故障识别的效率和可靠性，实现从故障人为检测向人机结合检测或机控自动检测模式转变，并最终完全实现机控自动检测。挡键丢失故障是铁路列车最容易出现的故障之一，挡键的作用是当车辆脱轨时，使轮对和转向架不分离，从而减小事故的损坏程度，可见挡键是保障铁路列车运行安全的关键部件之一。迄今为止，虽然国内学者对TFDS故障特征提取与自动识别等进行了许多有益的研究，然而由于挡键是一个很小的构件，能够实现列车挡键丢失故障自动识别的方法暂无可行性方案。在国内，针对列车运行故障动态图像检测，主要以研究枕簧丢失和心盘螺栓丢失故障为主。北京航空航天大学周富强、张广军利用Haar特征提取枕簧特征，应用AdaBoost算法构建层叠分类器，剔除无枕簧故障的图像以减少人工待识别图像数量。郑州轻工业学院陈燕等运用传统的Sobel算子和Hough变换确定四个心盘螺栓的位置，从而判断螺栓是否丢失，但该方法存在计算量较大、识别效率低的局限性。
技术实现思路
本专利技术所要解决的技术问题是针对上述现有技术而提供一种TFDS挡键丢失故障自动识别方法，以有效解决人工检测效率低、劳动强度大的难题。本专利技术解决上述技术问题所采用的技术方案是一种TFDS挡键丢失故障自动识别方法，其特征在于1)将TFDS采集到的图像进行预处理以消除拍摄环境对原始图像的影响，然后对去噪后的图像进行图像分割处理；2)通过Hough圆变换来对列车轮轴和通孔进行定位，并依据轮轴、通孔以及挡键区域间的几何关系间接标定挡键目标区域；3)通过分析挡键目标区域的灰度级变化来判断挡键是否丢失。按上述方案，所述的采集到的图像为由TFDS室外图像采集设备实时拍摄途经列车的转向架、制动装置、车钩缓冲装置、车底架以及车体两侧关键部位的动态图像，并通过光纤网络传输。按上述方案，所述的图像进行预处理的方法是采用中值滤波消除拍摄环境对原始图像的影响。按上述方案，所述的图像进行图像分割处理是采取二值化处理。本专利技术经过大量实验，比较分别经过二值化处理的正常原图像和挡键丢失原图像可得出，正常原图像经过二值化以后在原挡键的位置存在一块类似三角形的白色区域，而挡键丢失的原图像经过二值化以后却没有此类特征，这正是挡键丢失故障的关键特征。按上述方案，所述的通过Hough圆变换来对轮轴和通孔进行定位的步骤是①根据列车轮轴及通孔轮廓特征，应用Hough圆变换检测图像中所有圆形轮廓并确定其圆心位置；Hough圆变换检测出的圆半径必须满足R e [20，40] U [120，150]的条件，然后将符合此条件的候选圆保存起来； ②动态创建结构体Circle，存储符合条件的候选圆的关键信息，用作后续进一步处理； ③将存储的候选圆提取出来，两两进行比较，把满足两圆圆心距V处于区间\jn+n，2(m+n)]内的圆筛选出来,其中,》、/ 分别表示大、小圆半径，进一步计算此两圆圆心与水平方向的夹角〃，如果满足Θ <5。，则可以断定大圆为轮轴，小圆为通孔，并最终完成两个参考圆的标定。 按上述方案，所述的分析挡键目标区域的灰度级变化包括有以下步骤①根据列车轮轴、通孔以及挡键区域间的几何关系，建立数学模型半径不同的大圆和小圆，由小圆向大圆作外切线，求所得切点/7的位置，切点/7非常靠近挡键位置，以切点/7为基点，按照像素比例提取矩形感兴趣区域(ROI)间接标定挡键目标区域依据大圆和小圆的相对位置来确定切点/7分别为所标定矩形感兴趣区域的右上或左上端点，并以列车轮轴与通孔间圆心距的一半与三分之一为矩形区域的长与宽以确定其他端点。按上述方案，所述的判定挡键是否丢失的方法是由于正常图像与挡键缺陷图像中挡键目标区域的像素灰度均值存在很大的差异，需对挡键目标区域的像素灰度均值设置区间阈值，即能准确判定挡键是否丢失。挡键作为保障列车运行安全的关键部件，也是目前TFDS中重要的检测项目，其重要性不言而喻。本专利技术采用先进的图像处理技术，利用计算机自动识别挡键丢失故障，能够克服传统人工检测易受列检员素质、主观性以及疲劳程度等因素影响的缺点，提高故障识别的效率和可靠性。但由于列车挡键是一个很小的构件，且其所处区域零件种类繁多，层次结构复杂，采用常规的边缘检测与图像识别方法很难直接地准确定位故障区域，本专利技术以易识别的轮轴与通孔为参考，利用其与挡键间的几何关系建立相应的模型，并提出几何模型辅助定位挡键目标区域的方法，实现了故障区域的准确定位，并提高了挡键丢失故障的识别率，具有较强的实用价值，为列车故障图像自动识别的工程化应用奠定了基础。附图说明图1为本专利技术TFDS挡键丢失故障自动识别方法的实现流程 图2为本专利技术测试的图像预处理与图像分割效果图；图3为本专利技术设计的Hough圆变换标定轮轴及通孔流程 图4为测试图像的轮轴与通孔定位效果 图5为本专利技术建立的轮轴、通孔与挡键间简化的几何模型 图6为测试图像挡键目标区域标定效果图。具体实施例方式为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合具体实施方式并配合附图详予说明。如图1所示，本专利技术包括有以下步骤 步骤1:由TFDS室外图像采集设备实时拍摄途经列车的转向架、制动装置、车钩缓冲装置、车底架以及车体两侧等关键部位的动态图像，通过光纤网络传输到列检所。步骤2 :对TFDS采集到的原图像(如图2 (a)、(d)所示)进行预处理，应用中值滤波消除拍摄环境对原始图像的影响。具体地，中值滤波是一种非线性的空间滤波器，对于很多随机噪声，它都具有良好的去噪能力，且在相同尺寸下比均值滤波引起的模糊更少，其原理是计算该像素的相邻像素灰度中值代替该像素值。对原始图像进行中值滤波处理的过程为设原始图像为t)，中值滤波后的图像为/(.、·._ ·),则可以基于公 式(I)得到原始图像gfe t)中值滤波后的图像其效果如图2(b)、(e)所示。本文档来自技高网...

【技术保护点】
一种TFDS挡键丢失故障自动识别方法，其特征在于包括有以下步骤：1）将TFDS采集到的图像进行预处理以消除拍摄环境对原始图像的影响，然后对去噪后的图像进行图像分割处理；2）通过Hough圆变换来对列车轮轴和通孔进行定位，并依据轮轴、通孔以及挡键区域间的几何关系间接标定挡键目标区域；3）通过分析挡键目标区域的灰度级变化来判断挡键是否丢失。

【技术特征摘要】
1.一种TFDS挡键丢失故障自动识别方法，其特征在于包括有以下步骤1)将TFDS采集到的图像进行预处理以消除拍摄环境对原始图像的影响，然后对去噪后的图像进行图像分割处理；2)通过Hough圆变换来对列车轮轴和通孔进行定位，并依据轮轴、通孔以及挡键区域间的几何关系间接标定挡键目标区域；3)通过分析挡键目标区域的灰度级变化来判断挡键是否丢失。2.按权利要求1所述的TFDS挡键丢失故障自动识别方法，其特征在于所述的采集到的图像为由TFDS室外图像采集设备实时拍摄途经列车的转向架、制动装置、车钩缓冲装置、车底架以及车体两侧关键部位的动态图像，并通过光纤网络传输。3.按权利要求2所述的TFDS挡键丢失故障自动识别方法，其特征在于所述的图像进行预处理的方法是采用中值滤波消除拍摄环境对原始图像的影响。4.按权利要求2所述的TFDS挡键丢失故障自动识别方法，其特征在于所述的图像进行图像分割处理是采取二值化处理。5.按权利要求1-4任一项所述的TFDS挡键丢失故障自动识别方法，其特征在于所述的通过Hough圆变换来对轮轴和通孔进行定位的步骤是①根据列车轮轴及通孔轮廓特征，应用Hough圆变换检测图像中所有圆形轮廓并确定其圆心位置；Hough圆变换检测出的圆半径必须满足Re [20，40] U [120，150]的条件，然后将符...

【专利技术属性】
技术研发人员：孙国栋，冯维，赵大兴，王璜，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：