基于動車組關(guān)鍵部件圖像特征比對的異常檢測視覺識別算法

牛步釗

【摘 要】為了保證車輛正常運(yùn)行，日常檢修是十分必要的，本文就動車組關(guān)鍵部件圖像特征比對的異常檢測視覺識別算法進(jìn)行了探討。

【關(guān)鍵詞】動車組;圖像特征;檢測

基于圖像特征比對的圖像異常檢測是用于車輛部件異常視覺檢測的算法框架。廣泛部署在TEDS（動車組運(yùn)行故障動態(tài)檢測系統(tǒng)）、TVDS（客車車輛運(yùn)行故障動態(tài)檢測系統(tǒng)）、C4（接觸網(wǎng)懸掛部件狀態(tài)檢測系統(tǒng)）、C3（受電弓狀態(tài)異常檢測系統(tǒng)）等設(shè)備中，為鐵路車輛安全運(yùn)行提供了技術(shù)保障，在鐵路運(yùn)營維護(hù)智能化的道路上發(fā)揮了重要作用。

一、圖像異常檢測算法的特點

針對車輛異常檢測的上述難點，以檢修安全導(dǎo)向為原則，設(shè)計并開發(fā)了基于圖像特征比對的圖像異常檢測算法，具有如下特點：

（1）檢測算法與圖像內(nèi)容無關(guān)，適用于車體所有部位的成像檢測。算法通過對比車輛前后兩次通過設(shè)備時的采集圖像，對差異區(qū)域進(jìn)行重點提示，輔助檢車員完成圖像核查;

（2）全面覆蓋各種異常形態(tài)。由于檢測算法與成像內(nèi)容無關(guān)，算法對部件形態(tài)成像形態(tài)的差異有較強(qiáng)的甄別能力，可以實現(xiàn)對未知故障形態(tài)的預(yù)判，給予對檢車員有效的提示和引導(dǎo);

（3）算法對各種采集參數(shù)和成像質(zhì)量有較強(qiáng)的適用性，對重點部位的重點故障形態(tài)，可通過區(qū)域參數(shù)個性化和模塊識別，達(dá)到檢測效果的優(yōu)化和改進(jìn);同時可通過深度神經(jīng)網(wǎng)絡(luò)特征提取，對判別邏輯進(jìn)行建模，達(dá)到效果的進(jìn)一步升級。

二、算法主要流程

深度學(xué)習(xí)特征度量技術(shù)為主體的綜合識別方案，應(yīng)用于車輛異常安全監(jiān)測系統(tǒng)中。算法主要流程如下：

1.車輛線陣成像圖像配準(zhǔn)

由于歷史圖和當(dāng)前圖采集工況存在差異，同一部位的采集圖像并不能完全吻合，需要在圖像比對前進(jìn)行圖像校準(zhǔn)。圖像配準(zhǔn)技術(shù)通過計算特征點及其描述子，可以對兩幅圖像相同位置的特征點進(jìn)行有效匹配，進(jìn)而綜合配準(zhǔn)點信息，進(jìn)行幾何校正，達(dá)到配準(zhǔn)圖像的目的。

2.線陣圖像和三維數(shù)據(jù)特征比對技術(shù)

針對歷史圖和當(dāng)前圖，我們通過圖像配準(zhǔn)和變化檢測，提取出兩圖差異變化點。無論變化出于何種原因，出于安全導(dǎo)向的考慮，都應(yīng)當(dāng)加以確認(rèn)和追查。由于檢測變化的技術(shù)與部件無關(guān)，對所有的部件結(jié)構(gòu)同樣適用，保證了最大程度的異常覆蓋。配合以精確定位技術(shù)和業(yè)務(wù)分級處理，變化檢測可以為人工復(fù)核提供強(qiáng)有力的輔助。

3.基于深度學(xué)習(xí)的特征相似度量

由于收到外界干擾和成像質(zhì)量問題，圖像比對不可避免的會產(chǎn)生一些誤報警。由于其產(chǎn)生原因具有不可預(yù)測性，難以捕捉到誤報的總體歸納特征，但深度學(xué)習(xí)具有很強(qiáng)的表征能力，他通過訓(xùn)練學(xué)習(xí)可以較好得對特征相似給出度量。因而可以有效地抑制錯誤報警。

參考文獻(xiàn)：

[1]宋文偉. 基于卷積神經(jīng)網(wǎng)絡(luò)的高速動車組車體圖像異常識別的研究[D].西南交通大學(xué)，2019.

（作者單位：中車青島四方機(jī)車車輛股份有限公司）