CN103049762A - 一种用于检测心盘螺栓丢失故障的方法和装置 - Google Patents
一种用于检测心盘螺栓丢失故障的方法和装置 Download PDFInfo
- Publication number
- CN103049762A CN103049762A CN2013100273945A CN201310027394A CN103049762A CN 103049762 A CN103049762 A CN 103049762A CN 2013100273945 A CN2013100273945 A CN 2013100273945A CN 201310027394 A CN201310027394 A CN 201310027394A CN 103049762 A CN103049762 A CN 103049762A
- Authority
- CN
- China
- Prior art keywords
- image
- carried out
- feature
- collects
- sorter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明针对现有技术中检测心盘螺栓丢失故障时人员劳动强度过大、工作效率低、受生理或心理因素影响易造成漏检、误检、作业质量控制难度大、作业流程无法回溯等问题,提供一种能够克服上述缺陷的用于检测心盘螺栓丢失故障的方法和装置,该方法包括:采集待检测心盘螺栓的图像;基于小边特征对所采集的图像进行特征提取;以及将基于小边特征所提取的特征输入到已训练完成的分类器中,并根据所述分类器的输出来检测心盘螺栓丢失故障。
Description
技术领域
本发明涉及图像识别领域,尤其涉及一种用于检测心盘螺栓丢失故障的方法和装置。
背景技术
车辆检修保养是确保铁路安全运行的重要环节。目前,我国铁路货车的心盘结构大多数为组合式心盘(或称活心盘)。这种结构形式的心盘,检修拆装方便,因此广泛用于主型货车上。心盘螺栓松动、磨损过限、折断后,会造成心盘、心盘垫在摇枕上的位移,使得车体在传递纵向水平力时,心盘与摇枕之间产生纵向冲击,严重时还会发生上、下心盘脱出,转向架无法定位等现象。由于心盘螺栓的丢失属于高发故障,因此非常有必要开发针对该故障的检测方法。
目前的列检作业主要采用人工室内看图检车,即检车员需要对过车图像进行逐车逐图的查看,这虽然相对于传统的室外检车作业已经有了明显的进步,但是仍然存在人员劳动强度过大、工作效率低、受生理或心理因素影响易造成漏检、误检、作业质量控制难度大、作业流程无法回溯等问题。
发明内容
本发明针对现有技术中存在的上述缺陷,提供一种能够克服上述缺陷的用于检测心盘螺栓丢失故障的方法和装置。
本发明提供一种用于检测心盘螺栓丢失故障的方法,该方法包括:
采集待检测心盘螺栓的图像;
基于小边特征对所采集的图像进行特征提取;以及
将基于小边特征所提取的特征输入到已训练完成的分类器中,并根据所述分类器的输出来检测心盘螺栓丢失故障。
本发明还提供一种用于检测心盘螺栓丢失故障的装置,该装置包括:
采集单元,用于采集待检测心盘螺栓的图像;
提取单元,用于基于小边特征对所采集的图像进行特征提取;以及
已训练完成的分类器,用于接收基于小边特征所提取的特征,对所述所提取的特征进行处理并根据处理后的结果来检测心盘螺栓丢失故障。
由于根据本发明的检测方法和装置采用了同时考虑边缘强度和方向的小边特征来进行图像特征的提取,所以不仅克服了现有技术中人员劳动强度过大、工作效率低、受生理或心理因素影响易造成漏检、误检、作业质量控制难度大、作业流程无法回溯等问题,而且能够大大提高检测质量和检测效率。
附图说明
图1为由图像采集、图像预处理、特征提取、分类器设计及分类决策等组成的典型的故障识别系统;
图2是根据本发明的用于检测心盘螺栓丢失故障的方法的流程图;以及
图3是根据本发明的用于检测心盘螺栓丢失故障的装置的框图。
具体实施方式
下面结合附图来详细描述根据本发明的用于检测心盘螺栓丢失故障的方法和装置。
典型的故障识别系统一般由图像采集、图像预处理、特征提取、分类器设计及分类决策等五部分组成,如图1所示。图像采集主要是由图像采集设备来获取被检测对象的图像,图像预处理的主要目的是对采集到的图像进行相应的预处理以更好地进行特征提取。特征提取主要是为了对要被识别的对象的特征进行提取并进行数据压缩,以为分类器的设计做准备工作。分类器的设计是在训练过程中完成,即利用样本进行训练,确定分类器的具体参数,而分类决策的作用是对待识别的样本进行分类决策。
下面结合图2来描述根据本发明的用于检测心盘螺栓丢失故障的方法,该方法包括:
S21、采集待检测心盘螺栓的图像。
其中,在步骤S21中,可以采用高速连续数字照相技术来采集待检测心盘螺栓的图像,从而可以使摄像头在高速情况下获得稳定清晰的车辆部件图像。当然,除了高速连续数字照相技术之外,也可以采用本领域技术人员公知的其他照相技术来采集待检测心盘螺栓的图像。
S22、基于小边(edgelet)特征对所采集的图像进行特征提取。
特征,即表示对象的某些标量特性,是决定相似性与分类的关键,当分类的目的决定之后,如何找到合适的特征就成为认知与知识的核心问题。由于小边特征同时考虑了边缘强度和方向,能够更加有效地利用信息,所以本发明采用小边特征作为描述心盘螺栓的主要特征。简单地说,一个小边特征是一小段直线或曲线。假设经过预处理后的图像为I,用MI(p)和vI(p)表示图像I的位置P处边的强度和法向量。MI(p)和vI(p)通过3×3的Sobel卷积核来计算。为了计算简单,把法向量的方向量化为6个离散的值。[0°,180°)被均匀地分成6个管脚,分别对应着0到5的整数。一个在[180°,360°)范围内的角度θ的量化值与它的对称360-θ的量化值相同。我们将一个小边的长度定义为4个像素到12个像素之间,小边特征模板包括直线、1/8圆弧、1/4圆弧、1/2圆弧及与它们镜像对称的单元。定义相关窗口的大小为128×128,然后我们得到一组857604维的小边特征来描述一幅心盘螺栓图像。
S23、将基于小边特征所提取的特征输入到已训练完成的分类器中,并根据所述分类器的输出来检测心盘螺栓丢失故障。
分类器的训练/决策过程是一个判决和分类的过程,相当于人们从感性认识上升到理性认识并做出判决结论的过程,即对分类器进行训练之后,就可以利用所训练的分类器进行判决。常见的分类器主要包括人工神经网络、支持向量机(SVM)和Boosting分类器等。其中SVM由Cortes和Vapnik于1995年首先提出,该SVM在解决小样本、非线性及高维模式识别中表现出许多特有的优势,但在面对大样本时,SVM会表现出占用内存大和训练速度慢的缺陷,为此本申请采用基于径向基核函数的支持向量机,该基于径向基核函数的支持向量机利用SVM的构造原理,只选择靠近分类超平面的样本,删除无关样本,从而大大减少训练样本的数量。由于基于径向基核函数的支持向量机的训练过程与现有其他支持向量机的训练过程相同,所以此处不再赘述。
在根据本发明的一个优选实施方式中,在步骤S21之后还可以包括:对采集到的图像进行预处理。由于在在步骤S21中对待检测心盘螺栓进行图像采集的过程中,外界光照条件和相机自身的因素都会造成采集到的图像质量的下降,因此,在图像特征提取之前有必要对采集到的图像进行预处理。
优选地,对采集到的图像进行预处理可以包括:对采集到的图像进行平滑去噪并且对平滑去噪后的图像进行图像增强。其中,可以采用自适应滤波器对采集到的图像进行平滑去噪,而且,所述自适应滤波器可以是维纳滤波器或其他类型的自适应滤波器。另外,可以利用同态滤波方法对平滑去噪后的图像进行图像增强,从而强化图像中待检测心盘螺栓的边缘信息,以更有利于后期的特征表示。本领域技术人员应当理解的是,除了图像平滑和图像增强之外,其他本领域技术人员公知的图像预处理操作也是可取的。
本发明还提供一种用于检测心盘螺栓丢失故障的装置,如图3所示,该装置包括:采集单元301,用于采集待检测心盘螺栓的图像;提取单元302,用于基于小边特征对所采集的图像进行特征提取,由于上面已经结合根据本发明的检测心盘螺栓丢失故障的方法对基于小边特征的提取进行了描述,所以此处不再赘述;以及已训练完成的分类器303,用于接收基于小边特征所提取的特征,对所述所提取的特征进行处理并根据处理后的结果来检测心盘螺栓丢失故障。
其中,采集单元301可以采用高速连续数字照相技术来采集待检测心盘螺栓的图像,从而可以使摄像头在高速情况下获得稳定清晰的车辆部件图像。当然,除了高速连续数字照相技术之外,采集单元301也可以采用本领域技术人员公知的其他照相技术来采集待检测心盘螺栓的图像。
优选地,采集单元301在采集了心盘螺栓的图像之后,还可以对采集到的图像进行预处理。而且由于外界光照条件和相机自身的因素都会造成采集单元301采集过程中所采集到的图像质量的下降,因此,在图像特征提取之前采集单元301有必要对采集到的图像进行预处理。
优选地,采集单元301可以通过对采集到的图像进行平滑去噪并且对平滑去噪后的图像进行图像增强来对采集到的图像进行预处理。其中,采集单元301可以采用自适应滤波器对采集到的图像进行平滑去噪,而且,所述自适应滤波器可以是维纳滤波器或其他类型的自适应滤波器。另外,采集单元301可以利用同态滤波方法对平滑去噪后的图像进行图像增强,从而强化图像中待检测心盘螺栓的边缘信息,以更有利于后期的特征表示。本领域技术人员应当理解的是,除了图像平滑和图像增强之外,其他本领域技术人员公知的图像预处理操作也是可取的。
优选地,已训练完成的分类器303可以是人工神经网络、支持向量机(SVM)和Boosting分类器等,而且,更优选地是采用基于径向基核函数的支持向量机。
以上仅结合本发明的优选实施方式对本发明进行了描述,但是本领域技术人员应当理解,在不背离本发明精神和范围的情况下,可以对本发明做出各种变形和修改。
Claims (16)
1.一种用于检测心盘螺栓丢失故障的方法,该方法包括:
采集待检测心盘螺栓的图像;
基于小边特征对所采集的图像进行特征提取;以及
将基于小边特征所提取的特征输入到已训练完成的分类器中,并根据所述分类器的输出来检测心盘螺栓丢失故障。
2.根据权利要求1所述的方法,在采集待检测心盘螺栓的图像之后,该方法还包括:对采集到的图像进行预处理。
3.根据权利要求2所述的方法,其中,所述对采集到的图像进行预处理包括:
对采集到的图像进行平滑去噪并对平滑去噪后的图像进行图像增强。
4.根据权利要求3所述的方法,其中,采用自适应滤波器对采集到的图像进行平滑去噪。
5.根据权利要求4所述的方法,其中,所述自适应滤波器是维纳滤波器。
6.根据权利要求3所述的方法,其中,利用同态滤波方法对平滑去噪后的图像进行图像增强。
7.根据权利要求1所述的方法,其中,所述分类器为人工神经网络、支持向量机或Boosting分类器。
8.根据权利要求7所述的方法,其中,所述支持向量机使用基于径向基的核函数。
9.一种用于检测心盘螺栓丢失故障的装置,该装置包括:
采集单元,用于采集待检测心盘螺栓的图像;
提取单元,用于基于小边特征对所采集的图像进行特征提取;以及
已训练完成的分类器,用于接收基于小边特征所提取的特征,对所述所提取的特征进行处理并根据处理后的结果来检测心盘螺栓丢失故障。
10.根据权利要求9所述的装置,其中,所述采集单元还用于在采集待检测心盘螺栓的图像之后,对采集到的图像进行预处理。
11.根据权利要求10所述的装置,其中,所述采集单元通过对采集到的图像进行平滑去噪并对平滑去噪后的图像进行图像增强来进行预处理。
12.根据权利要求11所述的装置,其中,所述采集单元采用自适应滤波器对采集到的图像进行平滑去噪。
13.根据权利要求12所述的装置,其中,所述自适应滤波器是维纳滤波器。
14.根据权利要求11所述的装置,其中,所述采集单元利用同态滤波方法对平滑去噪后的图像进行图像增强。
15.根据权利要求9所述的装置,其中,所述分类器为人工神经网络、支持向量机或Boosting分类器。
16.根据权利要求15所述的装置,其中,所述支持向量机使用基于径向基的核函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100273945A CN103049762A (zh) | 2013-01-24 | 2013-01-24 | 一种用于检测心盘螺栓丢失故障的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100273945A CN103049762A (zh) | 2013-01-24 | 2013-01-24 | 一种用于检测心盘螺栓丢失故障的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103049762A true CN103049762A (zh) | 2013-04-17 |
Family
ID=48062394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100273945A Pending CN103049762A (zh) | 2013-01-24 | 2013-01-24 | 一种用于检测心盘螺栓丢失故障的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103049762A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104773626A (zh) * | 2015-04-08 | 2015-07-15 | 重庆市特种设备检测研究院 | 一种施工升降机标准节螺栓安全状态检测装置 |
CN105424330A (zh) * | 2014-08-29 | 2016-03-23 | 北京航空航天大学 | 一种货车轴端螺栓故障检测方法及装置 |
CN105651780A (zh) * | 2015-12-28 | 2016-06-08 | 新疆金风科技股份有限公司 | 通过无人机检测风机叶片状态的方法、装置及系统 |
CN107230205A (zh) * | 2017-05-27 | 2017-10-03 | 国网上海市电力公司 | 一种基于卷积神经网络的输电线路螺栓检测方法 |
CN108731772A (zh) * | 2018-03-20 | 2018-11-02 | 丁敏 | 大数据测量方法 |
CN108803516A (zh) * | 2018-06-22 | 2018-11-13 | 李燕汝 | 一种基于物联网的自动化智能家电控制系统 |
CN111091554A (zh) * | 2019-12-12 | 2020-05-01 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车摇枕断裂故障图像识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5425108A (en) * | 1992-09-04 | 1995-06-13 | Industrial Technology Research Institute | Mobile type of automatic identification system for a car plate |
CN1562686A (zh) * | 2004-04-09 | 2005-01-12 | 北京瑞威世纪软件科技发展有限公司 | 枕木式车辆动态故障检测装置 |
CN102346844A (zh) * | 2011-06-21 | 2012-02-08 | 北京康拓红外技术股份有限公司 | 一种货车下心盘螺栓丢失故障识别装置及其识别方法 |
CN102867182A (zh) * | 2012-08-17 | 2013-01-09 | 中国神华能源股份有限公司 | 一种货车车辆水堵丢失故障的检测方法和系统 |
-
2013
- 2013-01-24 CN CN2013100273945A patent/CN103049762A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5425108A (en) * | 1992-09-04 | 1995-06-13 | Industrial Technology Research Institute | Mobile type of automatic identification system for a car plate |
CN1562686A (zh) * | 2004-04-09 | 2005-01-12 | 北京瑞威世纪软件科技发展有限公司 | 枕木式车辆动态故障检测装置 |
CN102346844A (zh) * | 2011-06-21 | 2012-02-08 | 北京康拓红外技术股份有限公司 | 一种货车下心盘螺栓丢失故障识别装置及其识别方法 |
CN102867182A (zh) * | 2012-08-17 | 2013-01-09 | 中国神华能源股份有限公司 | 一种货车车辆水堵丢失故障的检测方法和系统 |
Non-Patent Citations (1)
Title |
---|
业巧林 等: "一种新的支持向量分类算法ACNN-SVM", 《郑州大学学报(理学版)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424330A (zh) * | 2014-08-29 | 2016-03-23 | 北京航空航天大学 | 一种货车轴端螺栓故障检测方法及装置 |
CN104773626A (zh) * | 2015-04-08 | 2015-07-15 | 重庆市特种设备检测研究院 | 一种施工升降机标准节螺栓安全状态检测装置 |
CN104773626B (zh) * | 2015-04-08 | 2017-10-10 | 重庆市特种设备检测研究院 | 一种施工升降机标准节螺栓安全状态检测装置 |
CN105651780A (zh) * | 2015-12-28 | 2016-06-08 | 新疆金风科技股份有限公司 | 通过无人机检测风机叶片状态的方法、装置及系统 |
CN107230205A (zh) * | 2017-05-27 | 2017-10-03 | 国网上海市电力公司 | 一种基于卷积神经网络的输电线路螺栓检测方法 |
CN108731772A (zh) * | 2018-03-20 | 2018-11-02 | 丁敏 | 大数据测量方法 |
CN108803516A (zh) * | 2018-06-22 | 2018-11-13 | 李燕汝 | 一种基于物联网的自动化智能家电控制系统 |
CN111091554A (zh) * | 2019-12-12 | 2020-05-01 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车摇枕断裂故障图像识别方法 |
CN111091554B (zh) * | 2019-12-12 | 2020-08-28 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车摇枕断裂故障图像识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103049762A (zh) | 一种用于检测心盘螺栓丢失故障的方法和装置 | |
CN102306290B (zh) | 一种基于视频的人脸跟踪识别方法 | |
US8055018B2 (en) | Object image detection method | |
CN111260629A (zh) | 基于图像处理的受电弓结构异常检测算法 | |
CN105335743A (zh) | 一种车牌识别方法 | |
CN102854191A (zh) | 高速铁轨表面缺陷的实时视觉检测与识别方法 | |
CN106485694B (zh) | 一种基于级联分类器的高铁接触网双套管连接器六边形螺母脱落不良状态检测方法 | |
CN107782733A (zh) | 金属表面缺陷的图像识别无损检测装置及方法 | |
CN106250936A (zh) | 基于机器学习的多特征多线程安检违禁品自动识别方法 | |
CN102095731A (zh) | 在纸张缺陷视觉检测中识别不同缺陷类型的系统及方法 | |
CN103034850A (zh) | 一种tfds挡键丢失故障自动识别方法 | |
CN103839085A (zh) | 一种列车车厢异常人群密度的检测方法 | |
CN109506628A (zh) | 一种基于深度学习的卡车环境下目标物测距方法 | |
CN104573680B (zh) | 图像检测方法、图像检测装置以及交通违法检测系统 | |
CN104077568A (zh) | 一种高精度的驾驶员行为识别与监控方法及系统 | |
CN103473570A (zh) | 自适应视频场景的行人检测方法 | |
CN104866865A (zh) | 一种基于dhog和离散余弦变换的接触网平衡线故障检测方法 | |
CN106228106B (zh) | 一种改进的实时车辆检测过滤方法及系统 | |
CN110211107A (zh) | 一种基于双波段红外图像的矿用胶带损伤检测方法 | |
CN103337175A (zh) | 一种基于实时视频流的车型识别系统 | |
CN105809219B (zh) | 一种隧道预制管片生产线的预制管片质量检测统计系统和方法 | |
CN114820626B (zh) | 一种汽车前脸零件配置智能检测方法 | |
CN116228651A (zh) | 一种布匹缺陷检测方法、系统、设备及介质 | |
CN103091330A (zh) | 模拟人类视觉感知机理的铜带表面缺陷辨识装置及方法 | |
CN106650735B (zh) | 一种led字符自动定位识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130417 |