基于彩色圖像處理的高速列車快速檢測方法

胡廣勝++賢業飛++孫福慶++李艷

摘 要隨著高速列車車速不斷提高，對于車輛各部件檢查和監控也提出了更高的要求。而傳統的人工檢測很容易出現檢測不到位的情況，伴隨著以圖片為主要信息載體的發展需求，通過機器人定點拍攝的彩色照片，利用圖像處理技術對可視化的部件進行故障檢測，最后生成的報警信息可在終端屏幕由檢測人員查看并研判，提高了我們的信息檢測效率，也帶來了快捷的信息記錄和分享方式。

【關鍵詞】圖像處理 高速列車 故障檢測

1 引言

我們與外部世界的常規交互方式是人眼捕捉目標信息、大腦將信息進行分析，而圖像識別技術是賦予機器“眼睛”之后，借助機器捕捉目標信息、機器和互聯網直接對信息進行分析并返回結果。目前圖像識別技術也滲透到高速列車上，自2008年京津城際鐵路開始運營至今，在短時間內中國建成了世界上營運里程最長、最大規模的高鐵系統，搭建了最先進的高速列車技術平臺。高速列車每天在高速、高密度地運行，為了運行安全，保質保量地檢修列車具有重要的意義。

我們對物體的認知是基于大腦器官感知的信息來推斷，這構成了人類最重要的預判和處理突發時間的能力，而這些信息80%都是視覺類的，通過機器視覺的（即圖像識別技術）可以及時和準確的獲取信息。本文將闡述利用彩色信息和模式識別混合方式處理圖像進行高速列車轉向架的檢測，首先利用彩色信息作為定位的基礎，若部件的顏色信息不足以支持其從背景中區別出來，則采用模式識別方式進行定位。定位結束后，對每一個部件做故障檢測。最后，在終端呈現檢測結果，并存儲檢測報文。

2 圖像自動識別

相比于文字，圖像能夠提供更加生動、容易理解的信息，幫助我們更快的用圖片來采集、判定和記錄信息。通過設計四個四軸和一個六軸聯動工業機器人裝置自動運動到定點位置，利用自身攜帶的彩色相機采集轉向架各部件高清彩色圖像，然后將圖像信息傳送給機柜設備送的分析中心服務器，服務器對采集的數據做存儲和彩色圖像自動識別處理。

在上述過程中，轉向架故障識別正確率的關鍵就是對部件定位的精準程度。所有后續的圖像處理方法都將在定位的基礎上進行，所以本文采用的是彩色圖像處理方法。圖1為某車型轉向架模型，從圖中可以看出，有些部件的顏色特征很明顯，這樣的部件若利用以前的灰度圖像處理方法就丟失了其很重要的色彩特征，雖然就數據存儲空間來說，灰度圖像是彩色圖像的降維，但是對于后期的故障檢測卻不利，有可能算法難度增加幾倍。

圖2為圖像自動識別流程圖。故障檢測是上述整個流程的重點，由于轉向架有上百個部件，不能采用統一的方法，在后續的部分詳細闡述其中幾個部件的檢測方法。

3 部件故障分析與識別

下面列舉幾個部件，詳細說明其定位方式和故障識別算法，包括防松線故障識別、防脫鏈故障識別。

3.1 防松線故障識別

為了防止螺栓在行車中會因列車顛簸或車廂之間擠壓造成脫落事故發生，在部件的邊緣畫上一條白色直線，如果直線發生扭曲或者斷開則說明緊固件松動，需要及時維修，而這條白色直線叫做防松線。

圖3為自動化裝置拍攝的真彩圖片。首先對圖片做預處理，使圖片內容簡化，突出目標區域。然后定位圖中的螺栓和防松線區域，利用模板匹配算法，模板響應最大值處便是螺栓的位置。圖4位預處理效果圖，可以看出經過預處理后的圖片，邊緣清晰可見。模板匹配示意圖，如圖5。

螺栓定位成功后，便可通過防松線的特性找到防松線，從圖片中提取完整的防松線，如圖6。利用基于最小二乘法的分段直線擬合識別出來的防松線，判斷識別出的防松線是否為直線，如果是直線，說明無故障，否則判定為螺栓松動，產生自動識別報警， 圖7為擬合直線。

3.2 防脫鏈故障識別

防脫鏈與防松線相似，都是為監測部件是否異常而設定的，軸箱上的防脫鏈分別固定在軸箱蓋的中心和軸箱上，若一端脫落則說明有故障

圖8為防脫鏈圖，利用形態學提取邊緣后的結果如圖9，圖中的邊緣雖然十分清晰，但是結構非常復雜，利用軸箱蓋外輪廓定位也是不易的。如果用軸箱蓋上的紋理信息作為定位特征，很容易定位軸箱蓋上的螺栓，圖10為經過頻域圖像增強算法和圖像分割技術，提取得到的螺栓二值效果圖。結合先驗知識定位軸箱蓋的外輪廓，并將輪廓內的其他邊緣信息剔除，利用距離之和最小算法擬合圓形，得到圓的相關參數。圖11為軸箱外輪廓圖，擬合后的結果如圖12。

利用擬合結果，確定防脫鏈兩端的位置，根據特征檢測與匹配算法判斷防脫鏈是否丟失，若有故障產生自動故障報警。

4 結論

在某些應用場景，機器視覺比人類的生理視覺更具優勢，它更加準確、客觀和穩定。在有了成熟的圖像識別技術之后，加以人工智能的支持，計算機就可以自行對獲得的圖像、視頻信息進行分析和判斷，發現異常情況直接報警，帶來了更高的效率和準確度。本文利用四軸和六軸聯動機器人拍攝的彩色照片處理進行動車組轉向架故障判斷，其優點是比普通的灰度圖片具有更多地信息特征。基于彩色信息圖像處理具有兩點好處：第一，部件定位時，可采用最鮮明的特征定位部件位置，這樣的方法具有較強的魯棒性。第二，故障識別也增加了更多的圖像處理手段，增加算法的靈活性。因此，本文采用的基于彩色圖像的動車組轉向架故障識別方法，具有更強的適應性、靈活性、可靠性。幫助我們更好的完成更多的任務。

參考文獻

[1]石懷龍，宋燁，鄔平波，曾京，朱海燕.高速動車組轉向架懸掛剛度特性[J].吉林大學學報（工學版），2015，3（45）：776-782.

[2]顧超.基于目標輪廓特征的識別及列車轉向架故障檢測[D].蘇州：蘇州大學， 2014.17-25.

[3]張然，湯全武，史崇升.基于遞推最小二乘自適應濾波算法的圖像去噪[J].計算機應用于軟件，2014.4（31）：193-196.

[4]侯玥.基于最大最小距離聚類算法的改進多重心法選址研究[D].大連：遼寧師范大學，2015：19-24.

作者簡介

胡廣勝（1978-），男，中國甘肅省白銀市人。大學本科學歷。現為中車青島四方機車車輛股份有限公司項目主任質量工程師、高級工程師。研究方向為焊接工藝及設備。

作者單位

中車青島四方機車車輛股份有限公司 山東省青島市 266111