基于機器視覺的軌道交通接觸網(wǎng)旋轉(zhuǎn) 雙耳狀態(tài)檢測方法*

楊紅梅

(四川鐵道職業(yè)學(xué)院鐵道工電學(xué)院, 611732, 成都∥講師)

0 引言

軌道交通接觸網(wǎng)系統(tǒng)結(jié)構(gòu)復(fù)雜,零件繁多,絕大部分處于裸露狀態(tài),不僅受外部條件影響,而且內(nèi)部受力也各不相同,易發(fā)生故障,狀態(tài)檢測也十分困難。

旋轉(zhuǎn)雙耳作為接觸網(wǎng)腕臂結(jié)構(gòu)支撐裝置中的重要承力部件,其狀態(tài)直接影響支撐裝置的結(jié)構(gòu)強度。為提高腕臂結(jié)構(gòu)穩(wěn)定性,進而為列車運行的安全性和可靠性提供重要支撐,有必要對其狀態(tài)進行檢測,發(fā)現(xiàn)故障及時更換維修。

當(dāng)前,基于機器視覺的弓網(wǎng)系統(tǒng)圖像檢測主要集中于接觸網(wǎng)幾何參數(shù)檢測和受電弓滑板檢測等。文獻[1]利用模糊熵和Hough變換實現(xiàn)了受電弓滑板裂紋檢測。文獻[2]提出了基于三維點云連續(xù)線性體特征的接觸網(wǎng)幾何參數(shù)檢測。文獻[3]提出了基于圖像處理和雙BP(反向傳播)神經(jīng)網(wǎng)絡(luò)的電氣化鐵路接觸網(wǎng)立柱標(biāo)識牌識別算法。文獻[4]探索了基于圖像處理的接觸網(wǎng)零部件狀態(tài)檢測。在智能算法方面,文獻[5]提出了基于Faster R-CNN(快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò))的接觸網(wǎng)吊弦故障檢測。文獻[6]提出了基于深度學(xué)習(xí)的接觸網(wǎng)頂緊螺栓缺陷檢測方法。文獻[7]提出了Hu不變矩的絕緣子故障檢測方法。文獻[8] 提出了基于卷積神經(jīng)網(wǎng)絡(luò)的接觸網(wǎng)絕緣子缺陷檢測方法。本文提出了基于機器視覺的軌道交通接觸網(wǎng)支撐裝置旋轉(zhuǎn)雙耳狀態(tài)檢測方法。

1 旋轉(zhuǎn)雙耳故障檢測流程

軌道交通接觸網(wǎng)系統(tǒng)腕臂結(jié)構(gòu)如圖1所示。本文以軌道交通接觸網(wǎng)懸掛裝置全局圖像為分析對象,提出了旋轉(zhuǎn)雙耳故障檢測流程,如圖2所示。首先對待檢測圖像基本圖元進行預(yù)分類,接著分別實現(xiàn)旋轉(zhuǎn)雙耳的初識別及耳片精確定位,最終利用耳片局部圖像的Hough變換直線檢測結(jié)果判斷雙耳狀態(tài)。

圖1 軌道交通接觸網(wǎng)系統(tǒng)腕臂結(jié)構(gòu)

2 待檢測圖像預(yù)分類

由于待檢測全局圖像包含了桿狀物、旋轉(zhuǎn)雙耳、絕緣子等所有懸掛裝置,圖元信息復(fù)雜,有必要將待檢測圖像進行預(yù)分類。基本圖元預(yù)分類效果圖如圖3所示。后期識別與檢測均在旋轉(zhuǎn)雙耳類進行,以充分減少其他圖元信息的干擾。分類過程如下:

a) 原始圖像

1) 對圖像進行預(yù)處理(對比度調(diào)節(jié)、增強等),突出接觸網(wǎng)腕臂結(jié)構(gòu)桿狀物邊緣直線特征。

2) 對預(yù)處理后的圖像進行Hough變換直線檢測。因桿狀物邊緣存在不清晰狀態(tài),直線檢測結(jié)果中會出現(xiàn)不連續(xù)小直線,利用各直線間的距離及斜率等信息對Hough變換直線矩陣進行聚類,得到桿狀物的實際端點。

3) 確定對應(yīng)關(guān)系(聚類后的直線與待檢測圖像中桿狀物邊緣),實現(xiàn)桿狀物定位及歸類。

4) 確定桿狀物類后,圖中剩下圖元即為旋轉(zhuǎn)雙耳類和絕緣子類,完成待檢測圖像的圖元預(yù)分類。

3 旋轉(zhuǎn)雙耳初識別

由于旋轉(zhuǎn)雙耳存在角度、尺寸上的多變性,故可利用具有旋轉(zhuǎn)、尺度不變性的仿射不變矩對旋轉(zhuǎn)雙耳進行識別。

3.1 仿射不變矩

仿射不變矩由Hu不變矩構(gòu)造的中心矩演變而來。將坐標(biāo)原點平移到目標(biāo)輪廓區(qū)域的中心,通過對目標(biāo)區(qū)域仿射不變特征的提取,實現(xiàn)目標(biāo)識別。仿射不變矩相關(guān)計算公式參見文獻[7]。

3.2 仿射不變矩計算

將預(yù)分類結(jié)果中剩下的旋轉(zhuǎn)雙耳類和絕緣子類按連通區(qū)域逐個標(biāo)記,根據(jù)文獻[7]中的計算公式計算各連通區(qū)域(如圖3 c)所示)的仿射不變矩。選取不同旋轉(zhuǎn)雙耳模板(見圖4),計算不同模板的仿射不變矩,結(jié)果如表1所示。

表1 旋轉(zhuǎn)雙耳模板仿射不變矩

a) 高對比度旋轉(zhuǎn)雙耳

從表1不同模板的仿射不變矩結(jié)果可看出,旋轉(zhuǎn)雙耳在不同角度、尺度、對比度時,能較好保持旋轉(zhuǎn)雙耳特征的不變性。

3.3 旋轉(zhuǎn)雙耳初識別

在得到待識別區(qū)域和模板的仿射不變矩后,計算兩者仿射不變矩的距離,通過距離閾值初識別旋轉(zhuǎn)雙耳,該距離計算公式為:

(1)

式中:

L——模板和待匹配目標(biāo)之間的仿射不變矩距離;

P——待檢測目標(biāo)的仿射不變矩;

Q——模板目標(biāo)的仿射不變矩。

大量試驗表明,準(zhǔn)確識別旋轉(zhuǎn)雙耳的距離閾值應(yīng)選取同一模板距離總和的0.1倍。

圖3 c)中6塊待識別連通區(qū)域與各旋轉(zhuǎn)雙耳模板間的仿射不變矩距離如表2所示。表中Li(i取值為1～6)表示各旋轉(zhuǎn)雙耳模板放射不變矩與連通區(qū)域i的距離。

表2 連通區(qū)域與旋轉(zhuǎn)雙耳模板仿射不變矩距離

由表2可知,利用圖4所示的旋轉(zhuǎn)雙耳模板對圖3 c)進行匹配,均可得出連通區(qū)域2與模板間的距離最小,且與同組距離存在明顯差異。根據(jù)距離閾值可判斷連通區(qū)域2為旋轉(zhuǎn)雙耳。該試驗表明,基于仿射不變矩的旋轉(zhuǎn)雙耳識別方法對模板的選取不敏感,識別性能良好。

4 旋轉(zhuǎn)雙耳耳片精確定位

應(yīng)用上述方法進行旋轉(zhuǎn)雙耳初識別,可得到如圖5所示的旋轉(zhuǎn)雙耳局部圖像。由圖5可見,斷裂特征大部分出現(xiàn)在耳片中間范圍,兩側(cè)有螺釘、R型栓等。若直接在初提取的旋轉(zhuǎn)雙耳圖像中識別斷裂特征,螺釘、R型栓等固有特征會對檢測產(chǎn)生很大干擾。為使斷裂檢測判據(jù)更具準(zhǔn)確性和通用性,有必要在檢測前,識別及排除旋轉(zhuǎn)雙耳的固有特征,并同時實現(xiàn)耳片的精確定位。

a) 嚴(yán)重斷開雙耳

如圖5中矩形框所示,旋轉(zhuǎn)雙耳固有特征可大致描述為圓形和矩形。利用Hough變換進行圓形和矩形檢測,可得圓形和矩形的中心及半徑等信息,由此即可識別并定位其固有特征,以消除其對耳片檢測的影響,同時可得到耳片檢測中斷裂特征可能出現(xiàn)的范圍。

4.1 Hough變換圓形和矩形檢測

為快速判斷一條閉合輪廓線是否為圓形,通過Hough變換先對檢測出來的閉合輪廓線分別沿水平和垂直兩個方向進行掃描,然后對掃描結(jié)果進行Hough變換得到圓形的兩條直徑,再由兩條直徑的交點得到圓心。最后利用輪廓線的像素坐標(biāo)估計圓半徑r:

r=max((xmax-xmin)/2,(ymax-ymin)/2)

(2)

式中:

xmax——輪廓線x軸坐標(biāo)最大值;

xmin——輪廓線x軸坐標(biāo)最小值;

ymax——輪廓線y軸坐標(biāo)最大值;

ymin——輪廓線y軸坐標(biāo)最小值。

對于Hough變換矩形檢測,首先通過Hough變換對矩形輪廓曲線進行投票,得到M1(m1,θ1)、M2(m2,θ2)、M3(m3,θ3)、M4(m4,θ4) 4個峰值,其中,Mk為峰值,mk為矩形頂點k的坐標(biāo)值,θk為峰值點k的角度。4個峰值則分別對應(yīng)12、23、34和41這4條邊。然后可判斷每對峰值是否為一組對邊,再判斷兩組對邊是否垂直,最終判斷其是否為矩形。

4.2 基于Hough變換的耳片固有特征識別

在對旋轉(zhuǎn)雙耳圖像進行對比度調(diào)節(jié)等預(yù)處理后,可進行圓形檢測,以識別螺釘固有特征。通過將半徑參數(shù)設(shè)置為螺釘?shù)陌霃椒秶?可得到旋轉(zhuǎn)雙耳螺釘?shù)膱A心坐標(biāo)和半徑。圖5所示的旋轉(zhuǎn)雙耳斷裂局部圖像的螺釘識別結(jié)果如圖6所示。

a) 斷開雙耳螺釘識別效果圖

對旋轉(zhuǎn)雙耳圖像進行邊緣檢測后,通過Hough變換矩形檢測識別矩形固有特征,可求得其中心、長度和寬度信息。圖5所示的旋轉(zhuǎn)雙耳斷裂局部圖像的矩形檢測效果如圖7所示,圖中“十”字為其中心。

a) 斷開效果圖

4.3 耳片局部圖像定位

根據(jù)上節(jié)所得的圓形和矩形的中心、半徑、長度和寬度等信息,可定位斷裂特征出現(xiàn)概率較大的耳片范圍。為排除固有特征的干擾,且盡量保留較多耳片局部圖像信息,設(shè)置以下定位原則:

1) 始于矩形邊緣,向螺釘側(cè)平移5個像素;止于矩形側(cè)的螺釘內(nèi)邊緣,將其作為橫坐標(biāo)。

2) 矩形上下邊緣分別向外平移5個像素,將其作為縱坐標(biāo)。

3) 最終局部圖像x軸頂點坐標(biāo)x1—x4計算公式(式中各變量單位為像素)為:

x1=(o1+b/2+5,o1+a/2+5)

(3)

x2=(o1+b/2+5,o1-a/2-5)

(4)

x3=(o2-r1,o1+a/2+5)

(5)

x4=(o2-r1,o1-a/2-5)

(6)

式中:

o1——矩形中心x軸坐標(biāo)值;

o2——螺釘中心x軸坐標(biāo)值;

a——矩形的寬度;

b——矩形的長度;

r1——螺釘半徑。

5 旋轉(zhuǎn)雙耳耳片斷裂檢測

在耳片精確定位的基礎(chǔ)上進行斷裂檢測。正常耳片局部圖像的灰度分布較均勻。如果耳片出現(xiàn)斷裂,斷裂處的灰度將發(fā)生較大變化,呈現(xiàn)出具有一定方向的線性邊緣特征。通過大量試驗分析得出,當(dāng)Hough參數(shù)空間中大于10的特征點數(shù)(Nmax>10)占非零特征點數(shù)(Nmax≠0)的百分比S為0.5%及以上時,耳片存在較明顯的斷裂特征。具體判據(jù)如下:

(7)

試驗表明,該判據(jù)在最大限度排除邊界、孤立噪聲等非斷裂特征的情況下,可較準(zhǔn)確識別耳片斷裂。用上述方法對正常耳片、斷裂耳片和裂紋耳片進行檢測,效果如圖8所示。

a) 正常耳片直線檢測結(jié)果

圖8 a)和圖8 b)中,S=0,不存在滿足判據(jù)式(7)的明顯直線特征,故判斷該耳片正常。圖8 c)和圖8 d)中,S=13.67%,存在滿足判據(jù)式(7)的明顯線性特征,故判斷該耳片斷裂。圖8 e)和圖8 f)中,S=0.98%,存在滿足判據(jù)式(7)的線性特征,故判斷此耳片存在裂紋。

根據(jù)中國國家鐵路集團有限公司發(fā)布的《接觸網(wǎng)懸掛狀態(tài)檢測監(jiān)測裝置(4C)運用管理指導(dǎo)意見》及相關(guān)技術(shù)條件,檢測車以規(guī)定速度運行,因而其圖像采集速度可根據(jù)需要予以調(diào)整,以滿足檢測速度要求。檢測算法耗時統(tǒng)計如表3所示。

表3 旋轉(zhuǎn)雙耳檢測試驗計算耗時

列檢車采用本文檢測方法獲取接觸網(wǎng)圖像的檢測結(jié)果如表4所示。誤檢的主要原因為旋轉(zhuǎn)雙耳被遮擋的面積過大,導(dǎo)致其仿射不變特征與模板特征距離大過閾值而漏檢,調(diào)整拍攝角度可改善此問題。

表4 旋轉(zhuǎn)雙耳檢測統(tǒng)計結(jié)果

6 結(jié)語

針對軌道交通接觸網(wǎng)支撐裝置旋轉(zhuǎn)雙耳斷裂自動識別問題,結(jié)合圖元預(yù)分類和仿射不變矩初識別旋轉(zhuǎn)雙耳,實現(xiàn)了對耳片檢測干擾的控制。利用Hough變換識別耳片固有特征并對耳片局部圖像進行精確定位,進一步提高了檢測結(jié)果的可靠性。最終以耳片圖像的Hough變換參數(shù)分布特征作為檢測判據(jù),實現(xiàn)了斷裂和裂紋狀態(tài)的準(zhǔn)確判斷。試驗表明,該方法降低了全局圖像中旋轉(zhuǎn)雙耳斷裂特征的檢測難度,同時提高了檢測效率與準(zhǔn)確性,為軌道交通接觸網(wǎng)關(guān)鍵部件的故障診斷提供了有效支撐。