CN105139413A - 基于图像特征提取的铁轨连接件质量检测方法及检测系统 - Google Patents
基于图像特征提取的铁轨连接件质量检测方法及检测系统 Download PDFInfo
- Publication number
- CN105139413A CN105139413A CN201510624186.2A CN201510624186A CN105139413A CN 105139413 A CN105139413 A CN 105139413A CN 201510624186 A CN201510624186 A CN 201510624186A CN 105139413 A CN105139413 A CN 105139413A
- Authority
- CN
- China
- Prior art keywords
- image
- defect
- fish platee
- obtains
- web member
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明适用于轨道检测,提供了一种基于图像特征提取的铁轨连接件质量检测方法,步骤包括:A,采集铁轨连接件的使用状态视频;B,对使用状态视频进行预处理,得到预处理图像;C,对预处理图像根据定位特征提取进行铁轨连接件定位,得到定位图像;D,对定位图像根据缺陷定位特征提取进行缺陷定位,得到缺陷图;E,根据缺陷图进行缺陷识别,得到缺陷类型。本发明解决了现代高速轨道交通使用的无道渣道床,整体道床,不方便定位的问题,本发明不仅可以在鱼尾板及扣件组完整时对其进行检测,即使完全缺失时也可以准确的定位。本发明的实用性很广,只要可以提取出该轨道区段铁轨连接件的特征就可以对轨道连接件的缺陷进行检测,适用于各种类型的线路区段。
Description
技术领域
本发明属于数字图像处理,尤其涉及一种基于图像特征提取的铁轨连接件质量检测方法及检测系统。
背景技术
我国铁路轨道的现状为:有缝线路多、铁轨质量较差、线网密度大、车流密度较大、铁轨损伤快。
铁轨扣件就是轨道上用于连接铁轨和轨枕的零件,又名为中间连接零件。其作用是将铁轨固定在轨枕上,保持轨距的恒定和铁轨相对于轨枕的纵向和横向运动。是保证列车运行的重要部件。铁轨扣件的失效对列车动态脱轨具有非常大的影响。
同样为了避免热胀冷缩,也为了减少震动影响,传统铁路的做法是把二十米左右一截的铁轨固定在轨枕之上,各截铁轨之间有接头。这结合接头用的是鱼尾板,它是一块约六十厘米长的钢板,两端有四或六口钢栓,用来扣在铁轨上的小洞上。在火车行驶过程中,那哐当哐当的声响,那摇摇晃晃的感觉,都是车轮驶过铁轨中间的缝隙时撞击产生的。铁轨接头是轨道上的薄弱环节,当火车通过时,由于承受冲击力而受到很大打击,鱼尾板也正是轨道中最容易损坏的易耗品,钢栓脱落、鱼尾板松动都是常见症状。
回溯历史,光是欧洲铁路上,因为鱼尾板出问题而导致的致命事故不止一次了。2002年前,同样是因为鱼尾板松脱,一辆英国火车在伦敦郊区的波特斯巴出轨翻覆,造成车上六名乘客与一名路人死亡。2013年7月,就在法国国庆假期前夕的晚高峰时间里,一辆从巴黎开往利摩日方向的火车载着385名乘客,因为鱼尾板的丢失,在途经布雷蒂尼时突然失控,火车七节车厢中的四节脱轨,以85英里/小时的速度狠狠撞上了拥挤的月台。
铁轨焊接接头伤损铁轨与连接件缺陷是铁路事故频发的主要原因之一。铁轨与联结件的缺陷严重影响机车运行中的平稳性、安全性。所以应及时的对铁轨与联结件的缺陷进行检测,保证列车的正常运行。对于铁轨的检测,平均每年每条线路检测需十遍以上,总检测里程近一百万公里。这样的工作量是十分巨大的。
所以,研发非接触性,高效的铁轨联结件缺陷的检测是十分必要的,这也是我国发展的大势所趋。
现在大多研究针对扣件定位的大背景是如图3所示的有渣道床,在《铁轨部件图像检测系统设计》一文中,基本利用的是边缘特征,图4是现有技术对有渣道床的边缘检测图,图5是现有技术对扣件组进行扣件边缘提取的提取效果图,不难看出,光滑的轨枕和道渣在进行边缘提取的时候存在很大的差异。而且因为在整体道床中没有如图4的道渣,或者如图6与图7图片中两个或两个以上扣件共用一个轨枕的,因此很难对扣件进行定位,机器视觉利用数字图像处理的方法对缺陷进行检测主要依赖于颜色的特征,而现在随着高速列车的出现,有渣道床不适用,整体道床为混凝土整体浇筑,颜色差异很小,就要探索新的扣件定位的方法。目前鱼尾板的检测大多依赖于人工,而鱼尾板的作用在线路运行的中是至关重要的。
发明内容
本发明所要解决的技术问题在于提供一种基于图像特征提取的铁轨连接件质量检测方法及检测系统,旨在现有铁轨连接件检测需要依靠人工,未实现非接触性高效的机器识别的问题。
本发明是这样实现的,基于图像特征提取的铁轨连接件质量检测方法,包括下述步骤:
步骤A,采集铁轨连接件的使用状态视频;
步骤B,对所述使用状态视频进行预处理,得到预处理图像;
步骤C,对所述预处理图像根据定位特征进行铁轨连接件定位,得到定位图像;
步骤D,对所述定位图像根据缺陷定位特征提取进行缺陷定位,得到缺陷图像;
步骤E,根据所述缺陷图像进行缺陷识别,确定缺陷类型。
进一步地,所述步骤B包括:
步骤B1,对所述使用状态视频进行视频转换,得到使用状态图;
步骤B2,对所述使用状态图进行灰度化处理,得到预处理图像。
进一步地,所述铁轨连接件包括鱼尾板;所述步骤C包含对鱼尾板进行定位并获取定位图像,具体包括下述步骤:
步骤C11,提取鱼尾板定位特征区域坐标;
步骤C12,根据所述鱼尾板定位特征区域坐标截取无鱼尾板图像,得到鱼尾板定位特征区域图;
步骤C13,根据所述鱼尾板定位特征区域坐标截取所述预处理图像,得到鱼尾板待定位图像;
步骤C14,对所述鱼尾板待定位图像和所述鱼尾板定位特征区域图进行图像差分,得到鱼尾板差分图像;
步骤C15,对所述鱼尾板差分图像进行图像遍历,得到黑色像素点;所述黑色像素点为所述鱼尾板差分图像与所述鱼尾板定位特征区域图相同的像素点;
步骤C16,计算所述黑色像素点占所述鱼尾板差分图像所有像素点的比例,若该比例符合预设值,则抽取该鱼尾板差分图像对应的整帧预处理图像,该对应的整帧预处理图像即为鱼尾板定位图像。
进一步地,所述铁轨连接件包括扣件组,所述扣件组包括扣件和垫片;所述步骤C包含对所述扣件组进行定位并获取定位图像,具体包括下述步骤:
步骤C21,提取垫片定位特征区域坐标;
步骤C22,根据所述垫片定位特征区域坐标截取垫片图像,得到垫片定位特征区域图;
步骤C23,根据所述垫片定位特征区域坐标截取所述预处理图像,得到垫片待定位图像;
步骤C24,对所述垫片待定位图像和所述垫片定位特征区域图进行图像差分,得到垫片差分图像;
步骤C25,对所述垫片差分图像进行图像遍历,得到黑色像素点;所述黑色像素点为所述垫片差分图像与所述垫片定位特征区域图相同的像素点;
步骤C26,计算所述黑色像素点占所述垫片差分图像所有像素点的比例,若该比例在设定的阈值范围内,则抽取该垫片差分图像对应的整帧预处理图像,该对应的整帧预处理图像即为垫片定位图像。
进一步地,步骤D包含对所述鱼尾板定位图像的缺陷进行定位,具体包括下述步骤:
步骤D11,提取鱼尾板缺陷定位特征区域坐标;
步骤D12,根据所述鱼尾板缺陷定位特征区域坐标截取鱼尾板图像,得到鱼尾板缺陷定位特征区域图;
步骤D13,根据所述鱼尾板缺陷定位特征区域坐标截取所述鱼尾板定位图像,得到鱼尾板缺陷定位图像;
步骤D14,对所述鱼尾板缺陷定位图像和所述鱼尾板缺陷定位特征区域图进行图像差分,得到鱼尾板缺陷图。
进一步地,步骤D包含对所述垫片定位图像的缺陷进行定位,具体包括下述步骤:
步骤D21,提取扣件组缺陷定位特征区域坐标;
步骤D22,根据所述扣件组缺陷定位特征区域坐标截取扣件组图像,得到扣件缺陷定位特征区域图;
步骤D23,根据所述扣件组缺陷定位特征区域坐标截取所述垫片定位图像,得到扣件组缺陷定位图像;
步骤D24,对所述鱼尾板缺陷定位图像和所述鱼尾板缺陷定位特征区域图进行图像差分,得到鱼尾板缺陷图。
进一步地,所述步骤E包括:
步骤E1,对所述缺陷图进行图像遍历,得到黑色像素点;
步骤E2,计算黑色像素点占所述缺陷图的像素点的比例;
步骤E3,若步骤E2中的比例百分比大于75%,则判断为所述铁轨连接件状态完整;
步骤E4,若步骤E2中的比例百分比小于25%,则判断为所述铁轨连接件状态完全丢失;
步骤E5,若步骤E2中的比例百分比25%<75%,则判断为所述铁轨连接件状态部分丢失。
本发明还提供了一种基于图像特征提取的铁轨连接件质量检测系统,包括:
采集单元,用于采集铁轨连接件的使用状态视频;
预处理单元,与所述采集单元相连接,用于对所述使用状态视频进行预处理,得到预处理图像;
定位图像获取单元,与所述预处理单元相连接,用于对所述预处理图像根据定位特征进行铁轨连接件定位,得到定位图像;
缺陷图像获取单元,与所述定位图像获取单元相连接,用于对所述定位图像根据缺陷定位特征提取进行缺陷定位,得到缺陷图像;
缺陷识别单元,与所述缺陷图像获取单元相连接,用于根据所述缺陷图像进行缺陷识别,确定缺陷类型。
进一步地,所述铁轨连接件包括鱼尾板和扣件组,所述扣件组包括扣件和垫片。
进一步地,所述预处理单元包括:
转换模块,与所述采集单元相连接,用于对所述使用状态视频进行视频转换,得到使用状态图;
灰度化处理模块,分别与所述转换模块和所述定位图像获取单元相连接,用于对所述使用状态图进行灰度化处理,得到预处理图像后传输至所述定位图像获取单元。
本发明与现有技术相比,有益效果在于:解决现代高速轨道交通使用的无道渣道床,整体道床,不方便定位的问题,本发明利用机器视觉代替人工进行识别,可提高检测效率和准确性,不仅可以在鱼尾板及扣件组完整时对其进行检测,即使完全缺失时也可以准确的定位。这种方法的实用性很广,只要可以提取出该轨道区段铁轨连接件的特征就可以对轨道连接件的缺陷进行检测,适用于各种类型的线路区段。
附图说明
图1是本发明实施例一提供的基于图像特征提取的铁轨连接件质量检测方法的流程图。
图2是本发明实施例二提供的基于图像特征提取的铁轨连接件质量检测方法的流程图。
图3是有渣道床的整体图。
图4是现有技术对有渣道床的边缘检测图。
图5是现有技术对扣件组进行扣件边缘提取的提取效果图。
图6、图7是整体道床的整体示意图。
图8是本发明实施例使用的MATLAB仿真的拟合百分比曲线图。
图9是本发明实施例提供的基于图像特征提取的铁轨连接件质量检测系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
机器视觉技术是一项综合性技术,包括视觉传感器技术、光源照明技术、光学成像技术、数字图像处理技术、计算机软硬件技术、模拟数字转换技术和自动控制技术等涉及了多个学科。要给出一个精确的定义是十分困难的,目前美国制造业工程师协会给出的定义是:机器视觉是使用设备进行非接触光感知,自动获取一个真实场景的图像,用来获取信息和控制机器的过程。同时大部分专家也认同一个更加形象的解释:机器视觉是用机器代替人眼进行目标对象的识别、判断和测量,研究计算机模拟人眼的视觉功能。
所谓数字图像处理就是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。实质上是一段能够被计算机还原显示和输出为一幅图像的数字码。图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。数字图像处理,即用计算机对图像进行处理,其发展历史并不长。数字图像处理技术可以帮助人们更客观、准确地认识世界,人的视觉系统可以帮助人类从外界获取3/4以上的信息,而图像、图形又是所有视觉信息的载体,尽管人眼的鉴别力很高,可以识别上千种颜色,但很多情况下,图像对于人眼来说是模糊的甚至是不可见的,通过图象增强技术,可以使模糊甚至不可见的图像变得清晰明亮。另一方面,通过数字图像处理中的模式识别技术,可以将人眼无法识别的图像进行分类处理。通过计算机模式识别技术可以快速准确地检索、匹配和识别出各种东西。
基于上述原理,如图1所示,为本发明实施例一提供的基于图像特征提取的铁轨连接件质量检测方法,具体步骤包括:
S1,采集铁轨连接件的使用状态视频;
S2,对所述使用状态视频进行预处理,得到预处理图像;
S3,对所述预处理图像根据定位特征提取进行铁轨连接件定位,得到定位图像;
S4,对所述定位图像根据缺陷定位特征提取进行缺陷定位,得到缺陷图;
S5,根据所述缺陷图进行缺陷识别,确定缺陷类型。
下面结合图2来对本发明进行详细的阐述:
在步骤S1中,用于采集视频图像的摄像头安装在检测机器上,检测机器按照固定轨道在铁轨上行驶,并对固定位置进行摄像,得到铁轨连接件的使用状态视频,并传输至PC机上进行下一步地处理。
在步骤S2中,对使用状态视频预处理主要采用视频转换和灰度化处理。视频转换将采集到的使用状态视频在处理机上将视频转换为一帧帧的图片,方便下面进行的钢轨连接件定位和进一步的图像处理。经过视频转换得到的图片进行灰度化处理,将彩色的图片转化为灰度图像,所述灰度图像即为预处理图像。在数字图像处理中,图像灰度化处理可以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。
在步骤S3中,根据所述预处理图像实现铁轨连接件的定位,是根据对特征区域的提取来实现的,其中,对铁轨连接件的定位包括对鱼尾板的定位和对扣件组的定位,所述扣件组包括垫片及扣件;其中:
对鱼尾板的定位包括:
步骤S311,提取鱼尾板定位特征区域坐标。因为鱼尾板连接不同的钢轨,形状为矩形,上面一般为四个孔或六个孔,靠螺栓来固定鱼尾板和钢轨。本实施例抓取的特征为第一和第三个螺栓位置(主要用于四孔的鱼尾板)的图像,即使鱼尾板在损坏后脱落或者部分脱落在钢轨的接头处依然会留下用于装配螺栓的孔。这就是钢轨之间连接件鱼尾板处和没有鱼尾板固定的钢轨最大的差异。在本步骤中,在进行检测之前,先用同一套检测机器进行定位模板图像采集,所述定位模板图像为无鱼尾板图像,以第一和第三个螺栓的位置坐标确定一个ROI区域坐标,该ROI区域坐标即为鱼尾板定位特征区域坐标。
步骤S312,根据所述鱼尾板定位特征区域坐标截取无鱼尾板图像,得到鱼尾板定位特征区域图。在本步骤中,以步骤S311中的鱼尾板定位特征区域坐标截取无鱼尾板图像,以截取的图像为鱼尾板定位特征区域图。
步骤S313,根据所述鱼尾板定位特征区域坐标截取所述预处理图像,得到鱼尾板待定位图像。在本步骤中,以步骤S311中的鱼尾板定位特征区域坐标对每一帧预处理图像进行截取,得到的图像即为鱼尾板待定位图像。
步骤S314,对所述鱼尾板待定位图像和所述鱼尾板定位特征区域图进行图像差分,得到鱼尾板差分图像;
步骤S315,对所述鱼尾板差分图像进行图像遍历,得到黑色像素点;所述黑色像素点为所述鱼尾板差分图像与所述鱼尾板定位特征区域图相同的像素点;
步骤S316,计算所述黑色像素点占所述鱼尾板差分图像所有像素点的比例,若该比例符合预设值,则抽取该鱼尾板差分图像对应的整帧预处理图像,该对应的整帧预处理图像即为鱼尾板定位图像。在本步骤中,若所述比例百分比小于10%,则认为该鱼尾板差分图像匹配成功,则抽取该鱼尾板差分图像对应的整帧预处理图像,该对应的整帧预处理图像即为鱼尾板定位图像。
对扣件组的定位包括:
步骤S321,提取垫片定位特征区域坐标。在本步骤中,对扣件组的定位主要是通过对垫片的位置图像进行,在本步骤中,在进行检测之前,先用同一套检测机器进行定位模板图像采集,所述定位模板图像为垫片图像,以垫片的位置坐标确定一个ROI区域坐标,该ROI区域坐标即为垫片定位特征区域坐标。
步骤S322,根据所述垫片定位特征区域坐标截取垫片图像,得到垫片定位特征区域图。在本步骤中,以上述步骤S321中垫片的定位区域坐标对垫片图像进行标准模板图像的截取,所截取的图像即为垫片定位特征区域图。
步骤S323,根据所述垫片定位特征区域坐标截取所述预处理图像,得到垫片待定位图像.。在本步骤中,以步骤S311中的垫片定位特征区域坐标对每一帧预处理图像进行截取,得到的图像即为垫片待定位图像。
步骤S324,对所述垫片待定位图像和所述垫片定位特征区域图进行图像差分,得到垫片差分图像;
步骤S325,对所述垫片差分图像进行图像遍历,得到黑色像素点;所述黑色像素点为所述垫片差分图像与所述垫片定位特征区域图相同的像素点;
步骤S326,计算所述黑色像素点占所述垫片差分图像所有像素点的比例,若该比例符合预设值,则抽取该垫片差分图像对应的整帧预处理图像,该对应的整帧预处理图像即为垫片定位图像。在本步骤中,若所述比例百分比大于90%,则认为该垫片差分图像匹配成功,则抽取该垫片差分图像对应的整帧预处理图像,该对应的整帧预处理图像即为垫片定位图像。
在上述步骤S3中,因为在检测机器运行的过程中,提取的特征与ROI区域的关系应是开始进入,完全进入,退出。利用matlab仿真该过程,利用圆进入以其直径做为边长的正方形的过程,计算在运动过程中圆在正方形中的面积占正方形面积的百分比曲线如图8所示。同理由仿真的曲线可知定位连接件时计算出的百分比应先递增达到最高值后递减。所以匹配模板时考虑到一定的误差范围。进行百分比的设置,将该帧的图片抽取出来,进行下一步的图像处理和缺陷识别。
在步骤S4中,同样根据类型的不同分为针对鱼尾板的缺陷定位和针对扣件组的缺陷定位;具体的,
针对鱼尾板的缺陷定位步骤包括:
S411,提取鱼尾板缺陷定位特征区域坐标。在本步骤中,在进行检测之前,先用同一套检测机器进行缺陷定位模板采样,具体的,在本步骤中的缺陷定位模板采样是采样一完整的、无缺陷的包含整个鱼尾板的缺陷定位采样图像。针对鱼尾板缺陷定位区域的选择是,以第一和第三个螺栓的位置坐标确定不同于步骤S3中的新的一个ROI区域坐标,该ROI区域包含所述缺陷定位采样图像中的整个鱼尾板,该区域坐标即为鱼尾板缺陷定位特征区域坐标
S412,根据所述鱼尾板缺陷定位特征区域坐标截取鱼尾板图像,得到鱼尾板缺陷定位特征区域图;
S413,根据所述鱼尾板缺陷定位特征区域坐标截取所述鱼尾板定位图像,得到鱼尾板缺陷定位图像;
S414,对所述鱼尾板缺陷定位图像和所述鱼尾板缺陷定位特征区域图进行图像差分,得到鱼尾板缺陷图。
针对扣件组的缺陷定位步骤包括:先用同一套检测机器
S421,提取扣件组缺陷定位特征区域坐标。在本步骤中,在开始检测之前,先用同一套检测机器对扣件组进行扣件组缺陷定位采样,该采样是针对扣件组与铁轨接触区域进行采样的,得到的图像为完整的未脱落的扣件组图像。以该扣件组图像中的包含所有扣件组的区域坐标为扣件组缺陷定位特征区域坐标。
S422,根据所述扣件组缺陷定位特征区域坐标截取扣件组图像,得到扣件缺陷定位特征区域图;
S423,根据所述扣件组缺陷定位特征区域坐标截取所述垫片定位图像,得到扣件组缺陷定位图像;
S424,对所述鱼尾板缺陷定位图像和所述鱼尾板缺陷定位特征区域图进行图像差分,得到鱼尾板缺陷图。
在上述步骤S5中,对得到的缺陷图进行判断包括以下步骤:
S51,对所述缺陷图进行图像遍历,得到黑色像素点;
S52,计算黑色像素点占所述缺陷图的像素点的比例;
S53,若步骤E2中的比例百分比大于75%,则判断为所述铁轨连接件状态完整;
S54,若步骤E2中的比例百分比小于25%,则判断为所述铁轨连接件状态完全丢失;
S55,若步骤E2中的比例百分比25%<75%,则判断为所述铁轨连接件状态部分丢失。
本发明还提供了如图9所示的一种基于图像特征提取的铁轨连接件质量检测系统,包括:
采集单元1,用于采集铁轨连接件的使用状态视频;
预处理单元2,与采集单元1相连接,用于对所述使用状态视频进行预处理,得到预处理图像;
定位图像获取单元3,与预处理单元2相连接,用于对所述预处理图像根据定位特征进行铁轨连接件定位,得到定位图像;
缺陷图像获取单元4,与定位图像获取单元3相连接,用于对所述定位图像根据缺陷定位特征提取进行缺陷定位,得到缺陷图像;
缺陷识别单元5,与缺陷图像获取单元4相连接,用于根据所述缺陷图像进行缺陷识别,确定缺陷类型。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像特征提取的铁轨连接件质量检测方法,其特征在于,所述方法包括下述步骤:
步骤A,采集铁轨连接件的使用状态视频;
步骤B,对所述使用状态视频进行预处理,得到预处理图像;
步骤C,对所述预处理图像根据定位特征进行铁轨连接件定位,得到定位图像;
步骤D,对所述定位图像根据缺陷定位特征提取进行缺陷定位,得到缺陷图像;
步骤E,根据所述缺陷图像进行缺陷识别,确定缺陷类型。
2.如权利要求1所述的铁轨连接件质量检测方法,其特征在于,所述步骤B包括:
步骤B1,对所述使用状态视频进行视频转换,得到使用状态图;
步骤B2,对所述使用状态图进行灰度化处理,得到预处理图像。
3.如权利要求1所述的铁轨连接件质量检测方法,其特征在于,所述铁轨连接件包括鱼尾板;所述步骤C包含对鱼尾板进行定位并获取定位图像,具体包括下述步骤:
步骤C11,提取鱼尾板定位特征区域坐标;
步骤C12,根据所述鱼尾板定位特征区域坐标截取无鱼尾板图像,得到鱼尾板定位特征区域图;
步骤C13,根据所述鱼尾板定位特征区域坐标截取所述预处理图像,得到鱼尾板待定位图像;
步骤C14,对所述鱼尾板待定位图像和所述鱼尾板定位特征区域图进行图像差分,得到鱼尾板差分图像;
步骤C15,对所述鱼尾板差分图像进行图像遍历,得到黑色像素点;所述黑色像素点为所述鱼尾板差分图像与所述鱼尾板定位特征区域图相同的像素点;
步骤C16,计算所述黑色像素点占所述鱼尾板差分图像所有像素点的比例,若该比例符合预设值,则抽取该鱼尾板差分图像对应的整帧预处理图像,该对应的整帧预处理图像即为鱼尾板定位图像。
4.如权利要求1所述的铁轨连接件质量检测方法,其特征在于,所述铁轨连接件包括扣件组,所述扣件组包括扣件和垫片;所述步骤C包含对所述扣件组进行定位并获取定位图像,具体包括下述步骤:
步骤C21,提取垫片定位特征区域坐标;
步骤C22,根据所述垫片定位特征区域坐标截取垫片图像,得到垫片定位特征区域图;
步骤C23,根据所述垫片定位特征区域坐标截取所述预处理图像,得到垫片待定位图像;
步骤C24,对所述垫片待定位图像和所述垫片定位特征区域图进行图像差分,得到垫片差分图像;
步骤C25,对所述垫片差分图像进行图像遍历,得到黑色像素点;所述黑色像素点为所述垫片差分图像与所述垫片定位特征区域图相同的像素点;
步骤C26,计算所述黑色像素点占所述垫片差分图像所有像素点的比例,若该比例在设定的阈值范围内,则抽取该垫片差分图像对应的整帧预处理图像,该对应的整帧预处理图像即为垫片定位图像。
5.如权利要求3所述的铁轨连接件质量检测方法,其特征在于,步骤D包含对所述鱼尾板定位图像的缺陷进行定位,具体包括下述步骤:
步骤D11,提取鱼尾板缺陷定位特征区域坐标;
步骤D12,根据所述鱼尾板缺陷定位特征区域坐标截取鱼尾板图像,得到鱼尾板缺陷定位特征区域图;
步骤D13,根据所述鱼尾板缺陷定位特征区域坐标截取所述鱼尾板定位图像,得到鱼尾板缺陷定位图像;
步骤D14,对所述鱼尾板缺陷定位图像和所述鱼尾板缺陷定位特征区域图进行图像差分,得到鱼尾板缺陷图。
6.如权利要求4所述的铁轨连接件质量检测方法,其特征在于,步骤D包含对所述垫片定位图像的缺陷进行定位,具体包括下述步骤:
步骤D21,提取扣件组缺陷定位特征区域坐标;
步骤D22,根据所述扣件组缺陷定位特征区域坐标截取扣件组图像,得到扣件缺陷定位特征区域图;
步骤D23,根据所述扣件组缺陷定位特征区域坐标截取所述垫片定位图像,得到扣件组缺陷定位图像;
步骤D24,对所述鱼尾板缺陷定位图像和所述鱼尾板缺陷定位特征区域图进行图像差分,得到鱼尾板缺陷图。
7.如权利要求5或6所述的铁轨连接件质量检测方法,其特征在于,所述步骤E包括:
步骤E1,对所述缺陷图进行图像遍历,得到黑色像素点;
步骤E2,计算黑色像素点占所述缺陷图的像素点的比例;
步骤E3,若步骤E2中的比例百分比大于75%,则判断为所述铁轨连接件状态完整;
步骤E4,若步骤E2中的比例百分比小于25%,则判断为所述铁轨连接件状态完全丢失;
步骤E5,若步骤E2中的比例百分比25%<75%,则判断为所述铁轨连接件状态部分丢失。
8.一种基于图像特征提取的铁轨连接件质量检测系统,其特征在于,所述铁轨连接件质量检测系统包括:
采集单元,用于采集铁轨连接件的使用状态视频;
预处理单元,与所述采集单元相连接,用于对所述使用状态视频进行预处理,得到预处理图像;
定位图像获取单元,与所述预处理单元相连接,用于对所述预处理图像根据定位特征进行铁轨连接件定位,得到定位图像;
缺陷图像获取单元,与所述定位图像获取单元相连接,用于对所述定位图像根据缺陷定位特征提取进行缺陷定位,得到缺陷图像;
缺陷识别单元,与所述缺陷图像获取单元相连接,用于根据所述缺陷图像进行缺陷识别,确定缺陷类型。
9.如权利要求8所述的铁轨连接件质量检测系统,其特征在于,所述铁轨连接件包括鱼尾板和扣件组,所述扣件组包括扣件和垫片。
10.如权利要求8所述的铁轨连接件质量检测系统,其特征在于,所述预处理单元包括:
转换模块,与所述采集单元相连接,用于对所述使用状态视频进行视频转换,得到使用状态图;
灰度化处理模块,分别与所述转换模块和所述定位图像获取单元相连接,用于对所述使用状态图进行灰度化处理,得到预处理图像后传输至所述定位图像获取单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510624186.2A CN105139413A (zh) | 2015-09-25 | 2015-09-25 | 基于图像特征提取的铁轨连接件质量检测方法及检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510624186.2A CN105139413A (zh) | 2015-09-25 | 2015-09-25 | 基于图像特征提取的铁轨连接件质量检测方法及检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105139413A true CN105139413A (zh) | 2015-12-09 |
Family
ID=54724745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510624186.2A Pending CN105139413A (zh) | 2015-09-25 | 2015-09-25 | 基于图像特征提取的铁轨连接件质量检测方法及检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105139413A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719305A (zh) * | 2016-01-25 | 2016-06-29 | 成都国铁电气设备有限公司 | 接触网中组件脱落缺陷识别方法及系统 |
CN106157316A (zh) * | 2016-07-15 | 2016-11-23 | 成都唐源电气股份有限公司 | 一种基于几何匹配的铁路扣件定位算法及装置 |
CN107180425A (zh) * | 2017-05-19 | 2017-09-19 | 华夏高铁技术有限公司 | 轨道扣件自动识别方法和装置 |
CN107481220A (zh) * | 2017-07-14 | 2017-12-15 | 中国神华能源股份有限公司 | 扣件弹条断裂的识别方法及系统 |
CN108956173A (zh) * | 2018-07-02 | 2018-12-07 | 四川国软科技发展有限责任公司 | 一种基于机械臂的动车螺栓及部件检测的方法及装置 |
CN109029283A (zh) * | 2018-06-05 | 2018-12-18 | 成都精工华耀科技有限公司 | 一种基于高度比对的轨道扣件螺栓浮起检测方法 |
CN109523505A (zh) * | 2018-09-18 | 2019-03-26 | 深圳市智信精密仪器有限公司 | 一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法 |
CN109580653A (zh) * | 2018-11-06 | 2019-04-05 | 深圳技术大学(筹) | 一种铁路扣件图像采集方法 |
CN110428398A (zh) * | 2019-07-04 | 2019-11-08 | 华中科技大学 | 一种基于深度学习的高铁接触网拉线缺陷检测方法 |
CN110567397A (zh) * | 2018-06-05 | 2019-12-13 | 成都精工华耀科技有限公司 | 一种扣件弹舌离缝检测方法 |
CN112731407A (zh) * | 2020-12-31 | 2021-04-30 | 西南交通大学 | 一种基于超声波检测的列车定位方法 |
CN114022826A (zh) * | 2022-01-05 | 2022-02-08 | 石家庄学院 | 一种基于区块链的铁轨检测方法及系统 |
CN117151549A (zh) * | 2023-10-31 | 2023-12-01 | 南通鸿图健康科技有限公司 | 健身器材生产质量多维检测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608122A (zh) * | 2012-02-27 | 2012-07-25 | 四川西南交大铁路发展有限公司 | 一种高速铁轨光电检测图像的处理方法 |
CN103010258A (zh) * | 2013-01-20 | 2013-04-03 | 昆明聚林科技有限公司 | 一种高铁和地铁扣件裂缝检测系统和方法 |
CN103034850A (zh) * | 2012-12-21 | 2013-04-10 | 湖北工业大学 | 一种tfds挡键丢失故障自动识别方法 |
CN104392429A (zh) * | 2014-10-15 | 2015-03-04 | 中铁电气化局集团有限公司 | 基于色彩信息和P-tile算法的受电弓图像定位方法 |
CN104608799A (zh) * | 2014-12-12 | 2015-05-13 | 郑州轻工业学院 | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 |
CN104616285A (zh) * | 2014-12-12 | 2015-05-13 | 天津大学 | 车身图像的检测方法 |
-
2015
- 2015-09-25 CN CN201510624186.2A patent/CN105139413A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608122A (zh) * | 2012-02-27 | 2012-07-25 | 四川西南交大铁路发展有限公司 | 一种高速铁轨光电检测图像的处理方法 |
CN103034850A (zh) * | 2012-12-21 | 2013-04-10 | 湖北工业大学 | 一种tfds挡键丢失故障自动识别方法 |
CN103010258A (zh) * | 2013-01-20 | 2013-04-03 | 昆明聚林科技有限公司 | 一种高铁和地铁扣件裂缝检测系统和方法 |
CN104392429A (zh) * | 2014-10-15 | 2015-03-04 | 中铁电气化局集团有限公司 | 基于色彩信息和P-tile算法的受电弓图像定位方法 |
CN104608799A (zh) * | 2014-12-12 | 2015-05-13 | 郑州轻工业学院 | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 |
CN104616285A (zh) * | 2014-12-12 | 2015-05-13 | 天津大学 | 车身图像的检测方法 |
Non-Patent Citations (7)
Title |
---|
MANEESHA SINGH等: "Autonomous Rail Track Inspection using Vision Based System", 《CIHSPS 2006 – IEEE INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE FOR HOMELAND SECURITY AND PERSONAL SAFETY》 * |
卢观健等: "钢轨伤损的形态特征及其失效机理", 《铁道学报》 * |
朱颖等: "基于累积绝对差图像与交叉熵分割的运动目标检测与定位", 《计算机与现代化》 * |
王夏黎: "智能交通视频监视技术研究与应用", 《中国博士学位论文全文数据库 信息科技辑》 * |
甄理: "基于计算机视觉的铁轨表面缺陷检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
谭伟: "基于图像的铁轨缺陷检测系统的算法研究及软件设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
赵志萍: "一种新型月球车行走系统相关技术及实验研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105719305B (zh) * | 2016-01-25 | 2018-10-19 | 成都国铁电气设备有限公司 | 接触网中组件脱落缺陷识别方法及系统 |
CN105719305A (zh) * | 2016-01-25 | 2016-06-29 | 成都国铁电气设备有限公司 | 接触网中组件脱落缺陷识别方法及系统 |
CN106157316A (zh) * | 2016-07-15 | 2016-11-23 | 成都唐源电气股份有限公司 | 一种基于几何匹配的铁路扣件定位算法及装置 |
CN107180425B (zh) * | 2017-05-19 | 2020-09-25 | 华夏高铁技术有限公司 | 轨道扣件自动识别方法和装置 |
CN107180425A (zh) * | 2017-05-19 | 2017-09-19 | 华夏高铁技术有限公司 | 轨道扣件自动识别方法和装置 |
CN107481220A (zh) * | 2017-07-14 | 2017-12-15 | 中国神华能源股份有限公司 | 扣件弹条断裂的识别方法及系统 |
CN109029283A (zh) * | 2018-06-05 | 2018-12-18 | 成都精工华耀科技有限公司 | 一种基于高度比对的轨道扣件螺栓浮起检测方法 |
CN110567397A (zh) * | 2018-06-05 | 2019-12-13 | 成都精工华耀科技有限公司 | 一种扣件弹舌离缝检测方法 |
CN108956173A (zh) * | 2018-07-02 | 2018-12-07 | 四川国软科技发展有限责任公司 | 一种基于机械臂的动车螺栓及部件检测的方法及装置 |
CN109523505A (zh) * | 2018-09-18 | 2019-03-26 | 深圳市智信精密仪器有限公司 | 一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法 |
CN109523505B (zh) * | 2018-09-18 | 2021-06-11 | 深圳市智信精密仪器有限公司 | 一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法 |
CN109580653A (zh) * | 2018-11-06 | 2019-04-05 | 深圳技术大学(筹) | 一种铁路扣件图像采集方法 |
CN110428398A (zh) * | 2019-07-04 | 2019-11-08 | 华中科技大学 | 一种基于深度学习的高铁接触网拉线缺陷检测方法 |
CN112731407A (zh) * | 2020-12-31 | 2021-04-30 | 西南交通大学 | 一种基于超声波检测的列车定位方法 |
CN112731407B (zh) * | 2020-12-31 | 2023-09-05 | 西南交通大学 | 一种基于超声波检测的列车定位方法 |
CN114022826A (zh) * | 2022-01-05 | 2022-02-08 | 石家庄学院 | 一种基于区块链的铁轨检测方法及系统 |
CN117151549A (zh) * | 2023-10-31 | 2023-12-01 | 南通鸿图健康科技有限公司 | 健身器材生产质量多维检测方法及装置 |
CN117151549B (zh) * | 2023-10-31 | 2023-12-22 | 南通鸿图健康科技有限公司 | 健身器材生产质量多维检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105139413A (zh) | 基于图像特征提取的铁轨连接件质量检测方法及检测系统 | |
CN101893580B (zh) | 基于数字图像的钢轨表面缺陷检测方法 | |
CN103971380B (zh) | 基于rgb-d的行人尾随检测方法 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
CN109658397A (zh) | 一种轨道巡检方法及系统 | |
CN105550654B (zh) | 高速列车图像采集系统、实时车号检测系统及方法 | |
CN103065519A (zh) | 坡道定点停车和起步检测系统及其检测方法 | |
CN105260719A (zh) | 铁路站台越线检测方法 | |
CN105741291A (zh) | 一种高速铁路接触网悬挂装置等电位线故障检测方法 | |
CN104392224A (zh) | 一种公路路面裂纹检测方法 | |
CN103034850A (zh) | 一种tfds挡键丢失故障自动识别方法 | |
Resendiz et al. | Development of a machine-vision system for inspection of railway track components | |
CN107909601A (zh) | 一种适用于航标的船舶防撞预警视频检测系统及检测方法 | |
CN104318760B (zh) | 一种基于似物性模型的路口违章行为智能检测方法及系统 | |
KR102004909B1 (ko) | 텅레일 밀착상태 검지를 위한 검측시스템 | |
CN117372677A (zh) | 一种高速铁路接触网紧固件开口销健康状态检测方法 | |
CN104484997B (zh) | 一种基于视频图像技术的区域运动车流量检测方法 | |
CN115857040A (zh) | 一种机车车顶异物动态视觉检测装置及方法 | |
Li et al. | A railway turnout closeness monitoring method based on switch gap images | |
CN112285111A (zh) | 一种受电弓前碳滑板缺陷检测方法、装置、系统和介质 | |
CN105740827A (zh) | 一种基于快速标记连通的停止线检测与测距算法 | |
Yu et al. | Surface defect detection of hight-speed railway hub based on improved YOLOv3 algorithm | |
CN107870084A (zh) | 列车转向架的非接触式监测方法及系统 | |
TWI298857B (zh) | ||
CN113504243A (zh) | 接触网弹性吊索与承力索连接区域成像装置及成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151209 |