CN108648177A - 一种列车部件完整性检测方法 - Google Patents
一种列车部件完整性检测方法 Download PDFInfo
- Publication number
- CN108648177A CN108648177A CN201810332588.9A CN201810332588A CN108648177A CN 108648177 A CN108648177 A CN 108648177A CN 201810332588 A CN201810332588 A CN 201810332588A CN 108648177 A CN108648177 A CN 108648177A
- Authority
- CN
- China
- Prior art keywords
- seed
- point
- component
- detection method
- siding
- 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.)
- Granted
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种列车部件完整性检测方法,包括以下步骤:步骤S1:对采集到的图像进行预处理,消除图像噪声,建立待检测部位的模板库;步骤S2:通过预先保存的部件模板自动匹配定位部件所在位置;步骤S3:筛选出作为生长的种子区域的特征块;步骤S4:利用多点自动种子生长的算法对部件进行生长,按照生长情况判断异常区域,并分析差异区轮廓特征,判断部件是否完整。该方法对图像采集的条件没有限制,能够很好的适应列车检测的环境。
Description
技术领域
本发明涉及基于图像的零部件检测领域,特别涉及一种列车部件完整性 检测方法。
背景技术
我国铁路网络规模越来越大,时至今日每天运行的列车为3615对,远远 超出了其他国家的数量。为了保证安全运行,需要对进站列车的部件进行常 规检查,保证不脱落、无破损、无偏移等。传统的部件完好性检测主要是通 过人工对重要部件进行肉眼检查,但是随着列车数量的急剧增加,长时间单 调的人工检查会出现视觉疲劳、注意力不集中或者错觉等问题,容易造成漏 检,从而可能影响到列车的安全运行。
基于图像进行检测是一种效率较好的方法。中兴公司开发了一种手电摄像 机,在对检测部位进行光照的同时,进行图像采集并传送到后台进行完好性 检查。通过图像进行完好性检测的研究中,目前很多研究者致力于用神经网 络或部件特征对部件进行定位然后利用分类器对部件进行分类,以此实现部 件的完整性检测。另外有研究者将梯度编码直方图特征与基于离散点采样和 中线分组的TFDS图像提取复杂形状方法,但是没有进一步证明其方法用于 完整性检测。基于特征提取算子对图像中特征点进行检测、筛选、匹配对火 车车底的螺栓等部件进行识别。但是列车检测部位多,目前还没有任何对列 车通用部件的完整性检测的研究,并且动态采集图像时位置、角度、光照等 条件不同,因此,现有研究难以直接应用于列车所有部件的完好性检测。
发明内容
本发明的目的在于提供一种列车部件完整性检测方法,以解决上述技术 问题。
为实现上述目的本发明采用以下技术方案:
一种列车部件完整性检测方法,包括以下步骤:
步骤S1:对采集到的图像进行预处理,消除图像噪声,建立待检测部位的模 板库;
步骤S2:通过预先保存的部件模板自动匹配定位部件所在位置;
步骤S3:筛选出作为生长的种子区域的特征块;
步骤S4:利用多点自动种子生长的算法对部件进行生长,按照生长情况判断 异常区域,并分析差异区轮廓特征,判断部件是否完整。
所述步骤S2还包括以下步骤:
步骤S21,在原始模板中选取多个子块作为子模板代替原始模板;
步骤S22,求得子模板与待搜索图的相关系数R(i,j),且设置一个阈值τ,当 相关系数R(i,j)>τ时说明两个图相似,若检测的部件为不完整的部件,且所 缺失部分为模板特征快区域,则所计算到的相关系数R(i,j)则小于τ,从而 直接判断部件不完整。
所述步骤S3还包括以下步骤:
步骤S31:通过模板部件特征块匹配到相似区域之后,计算每个模板特征块 与待搜索部件中匹配上的特征块的位置差异C(i);
步骤S32:将计算出来的所有特征快差异明显大特征快删除,不作为种子选取区域,其余的特征块将作为种子的选取区域。
所述步骤S4还包括以下步骤:
步骤S41:初始化队列,将种子点进队操作,如果队列非空则进行步骤S42;
步骤S42:出队一个种子点,检测该种子点左边点及右边点,判断是否满足 种子生长条件,求得最左边满足生长条件点的横坐标x_left,最右边横坐标 x_right。并将其坐标点及区间长度储存。增加一个标志,判断是否为生长过 的点,初始值设置为假;
步骤S43:检测当前种子点横坐标轴的上一行,求得该行的区间段x_left<x <x_right,将未被标记的像素从左到右依次入队。并且保存边界坐标点及区 间长度;
步骤S44:检测当前种子点横坐标轴的下一行,求得该行的区间段x_left<x <x_right,将未被标记的像素从左到右依次入队。并且保存边界坐标点及区 间长度;
步骤S45:判断此队列是否为空,为空结束,否则出队一个种子进行步骤S42;
步骤S46:对待检测部件重复上述步骤,比对从原始种子点出发的各层区段 长度,若差异大于所设置的阈值,则在待检测部件图中标记位置,将标记位 置的外接矩形框出,并截取模板部件与待检测部件的矩形区域,将两个区域 进行轮廓分析。
所述步骤1中采集到的图像为一些规范的部件图像。
所述步骤S31中位置差异C(i)的计算公式为:
其中M(i,j)为模板特征块坐标为(i,j)时的灰度值,L(i,j)为代搜索部件中匹 配上的特征块坐标的灰度值,m和n为特征块的长与宽。
本发明的有益效果是:本发明一种列车部件完整性检测方法,该方法对 图像采集的条件没有限制,能够很好的适应列车检测的环境。
附图说明
图1是本发明的列车部件完整性检测方法流程图;
图2是本发明中一副含有列车沙壶的部件图;
图3是本发明中画有特征区域的模板部件。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
如图1所示,一种列车部件完整性检测方法,包括以下步骤:
步骤S1:对采集到的图像进行预处理,消除图像噪声,建立待检测部位 的模板库;
所述采集到的图像为一些规范的部件图像,如图2所示,检测区域为红色 圈出的部分,检测的内容沙壶是否存在、折断、铁链是否存在或脱落;
所述消除图像噪声包括去除采集到的图像的背景,得到模板部件如图3 所示;
步骤S2:通过预先保存的部件模板自动匹配定位部件所在位置;
为了提高匹配速率,以及为后文的种子生长提供优质的种子点,本发明 采用基于模板特征的多个子模板匹配,在原始模板中选取多个子块与带搜索 图进行数据比较,即如图3中红色方框的特征区域的组合代替原始模板。求得 子模板与待搜索图的相关系数R(i,j),且设置一个阈值τ,当相关系数 R(i,j)>τ时说明两个图相似,若检测的部件为不完整的部件,且所缺失部分 为模板特征快区域,则所计算到的相关系数R(i,j)则小于τ,从而直接判断 部件不完整;
步骤S3:筛选出作为生长的种子区域的特征块;
所述通过预先保存的部件模板自动匹配定位部件所在位置后,将特征快 作为生长的种子区域。由于可能待检测部件中缺少与之对应的特征快,所以 将所有的特征快都作为种子区域则可能会影响到后续结果,所以这里可以对 所有的特征块进行筛选。根据下面公式可以算出,其位置的差异:
其中M(i,j)为模板特征块坐标为(i,j)时的灰度值。L(i,j)为代搜索部件中匹 配上的特征块坐标的灰度值。m和n为特征块的长于宽。C(i)为第i特征块的 差异。将计算出来的所有特征快差异明显大特征快删除,不作为种子选取区 域。其余的特征块将作为种子的选取区域。
步骤S4:利用多点自动种子生长的算法对部件进行生长,按照生长情况 判断异常区域,并分析差异区轮廓特征,判断部件是否完整;
判断部件是否完整的具体步骤包括以下步骤:
步骤S41:初始化队列,将种子点进队操作,如果队列非空则进行步骤S42;
步骤S42:出队一个种子点,检测该种子点左边点及右边点,判断是否满 足种子生长条件,求得最左边满足生长条件点的横坐标x_left,最右边横坐 标x_right。并将其坐标点及区间长度储存。增加一个标志,判断是否为生长 过的点,初始值设置为假;
步骤S43:检测当前种子点横坐标轴的上一行,求得该行的区间段x_left <x<x_right,将未被标记的像素从左到右依次入队。并且保存边界坐标点 及区间长度;
步骤S44:检测当前种子点横坐标轴的下一行,求得该行的区间段x_left <x<x_right,将未被标记的像素从左到右依次入队。并且保存边界坐标点 及区间长度;
步骤S45:判断此队列是否为空,为空结束,否则出队一个种子进行步骤 S42;
步骤S46:对待检测部件重复上述步骤。比对从原始种子点出发的各层 区段长度。若差异大于所设置的阈值,则在待检测部件图中标记位置,将标 记位置的外接矩形框出,并截取模板部件与待检测部件的矩形区域,将两个 区域进行轮廓分析。
以上所述为本发明较佳实施例,对于本领域的普通技术人员而言,根据 本发明的教导,在不脱离本发明的原理与精神的情况下,对实施方式所进行 的改变、修改、替换和变型仍落入本发明的保护范围之内。
Claims (6)
1.一种列车部件完整性检测方法,其特征在于,包括以下步骤:
步骤S1:对采集到的图像进行预处理,消除图像噪声,建立待检测部位的模板库;
步骤S2:通过预先保存的部件模板自动匹配定位部件所在位置;
步骤S3:筛选出作为生长的种子区域的特征块;
步骤S4:利用多点自动种子生长的算法对部件进行生长,按照生长情况判断异常区域,并分析差异区轮廓特征,判断部件是否完整。
2.如权利要求1所述的一种列车部件完整性检测方法,其特征在于,所述步骤S2还包括以下步骤:
步骤S21,在原始模板中选取多个子块作为子模板代替原始模板;
步骤S22,求得子模板与待搜索图的相关系数R(i,j),且设置一个阈值τ,当相关系数R(i,j)>τ时说明两个图相似,若检测的部件为不完整的部件,且所缺失部分为模板特征快区域,则所计算到的相关系数R(i,j)则小于τ,从而直接判断部件不完整。
3.如权利要求1所述的一种列车部件完整性检测方法,其特征在于,所述步骤S3还包括以下步骤:
步骤S31:通过模板部件特征块匹配到相似区域之后,计算每个模板特征块与待搜索部件中匹配上的特征块的位置差异C(i);
步骤S32:将计算出来的所有特征快差异明显大特征快删除,不作为种子选取区域,其余的特征块将作为种子的选取区域。
4.如权利要求1所述的一种列车部件完整性检测方法,其特征在于,所述步骤S4还包括以下步骤:
步骤S41:初始化队列,将种子点进队操作,如果队列非空则进行步骤S42;
步骤S42:出队一个种子点,检测该种子点左边点及右边点,判断是否满足种子生长条件,求得最左边满足生长条件点的横坐标x_left,最右边横坐标x_right。并将其坐标点及区间长度储存。增加一个标志,判断是否为生长过的点,初始值设置为假;
步骤S43:检测当前种子点横坐标轴的上一行,求得该行的区间段x_left<x<x_right,将未被标记的像素从左到右依次入队。并且保存边界坐标点及区间长度;
步骤S44:检测当前种子点横坐标轴的下一行,求得该行的区间段x_left<x<x_right,将未被标记的像素从左到右依次入队。并且保存边界坐标点及区间长度;
步骤S45:判断此队列是否为空,为空结束,否则出队一个种子进行步骤S42;
步骤S46:对待检测部件重复上述步骤,比对从原始种子点出发的各层区段长度,若差异大于所设置的阈值,则在待检测部件图中标记位置,将标记位置的外接矩形框出,并截取模板部件与待检测部件的矩形区域,将两个区域进行轮廓分析。
5.根据权利要求1所述的一种列车部件完整性检测方法,其特征在于,所述步骤1中采集到的图像为一些规范的部件图像。
6.根据权利要求3所述的一种列车部件完整性检测方法,其特征在于,所述步骤S31中位置差异C(i)的计算公式为:
其中M(i,j)为模板特征块坐标为(i,j)时的灰度值,L(i,j)为代搜索部件中匹配上的特征块坐标的灰度值,m和n为特征块的长与宽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810332588.9A CN108648177B (zh) | 2018-04-13 | 2018-04-13 | 一种列车部件完整性检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810332588.9A CN108648177B (zh) | 2018-04-13 | 2018-04-13 | 一种列车部件完整性检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108648177A true CN108648177A (zh) | 2018-10-12 |
CN108648177B CN108648177B (zh) | 2021-08-24 |
Family
ID=63746126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810332588.9A Active CN108648177B (zh) | 2018-04-13 | 2018-04-13 | 一种列车部件完整性检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108648177B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744211B (zh) * | 2021-08-19 | 2023-11-03 | 衢州光明电力投资集团有限公司赋腾科技分公司 | 一种图像中基于方位组合的目标部件缺失检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130322725A1 (en) * | 2011-02-04 | 2013-12-05 | The Regents Of The University Of California | Methods and apparatus for computer-aided radiological detection and imaging |
CN103544505A (zh) * | 2013-07-31 | 2014-01-29 | 天津大学 | 面向无人机航拍图像的船只识别系统及方法 |
CN105976339A (zh) * | 2016-05-11 | 2016-09-28 | 妙智科技(深圳)有限公司 | 一种基于高斯模型自动去除ct图像中床板的方法及装置 |
-
2018
- 2018-04-13 CN CN201810332588.9A patent/CN108648177B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130322725A1 (en) * | 2011-02-04 | 2013-12-05 | The Regents Of The University Of California | Methods and apparatus for computer-aided radiological detection and imaging |
CN103544505A (zh) * | 2013-07-31 | 2014-01-29 | 天津大学 | 面向无人机航拍图像的船只识别系统及方法 |
CN105976339A (zh) * | 2016-05-11 | 2016-09-28 | 妙智科技(深圳)有限公司 | 一种基于高斯模型自动去除ct图像中床板的方法及装置 |
Non-Patent Citations (2)
Title |
---|
张瑞娟 等: "模板匹配算法在动车零部件故障检测系统中的应用", 《计算机系统应用》 * |
高玮玮: "眼底图像分割算法及应用研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113744211B (zh) * | 2021-08-19 | 2023-11-03 | 衢州光明电力投资集团有限公司赋腾科技分公司 | 一种图像中基于方位组合的目标部件缺失检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108648177B (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106845408B (zh) | 一种复杂环境下的街道垃圾识别方法 | |
CN105741291B (zh) | 一种高速铁路接触网悬挂装置等电位线故障检测方法 | |
WO2016172827A1 (zh) | 一种逐步求精的路面裂缝检测方法 | |
CN105787937B (zh) | 一种基于osm的高分辨遥感影像道路变化检测方法 | |
CN108009591A (zh) | 一种基于深度学习的接触网关键部件识别方法 | |
CN103605981A (zh) | 基于图像识别的绝缘子缺陷识别方法 | |
CN109325935A (zh) | 一种基于无人机图像的输电线路检测方法 | |
CN109740507A (zh) | 一种变电设备异常感知的方法 | |
CN107729853A (zh) | 一种适用于变电站窄刻度指针式仪表的自动识别方法 | |
CN107679495A (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
CN107833211A (zh) | 基于红外图像的零值绝缘子自动检测方法及装置 | |
CN110211128A (zh) | 基于遥感影像和dem的黄土高原梯田提取方法 | |
CN109615598A (zh) | 一种基于边缘绘图参数自由算法的输电线识别方法 | |
CN110288623A (zh) | 无人机海上网箱养殖巡检图像的数据压缩方法 | |
CN106650735B (zh) | 一种led字符自动定位识别方法 | |
CN112085699A (zh) | 一种基于二维图像的路面裂缝提取方法 | |
CN108648177A (zh) | 一种列车部件完整性检测方法 | |
CN113469938B (zh) | 基于嵌入式前端处理服务器的管廊视频分析方法及系统 | |
CN108921844A (zh) | 一种绝缘子缺陷检测方法与装置 | |
CN106803259B (zh) | 一种流水作业平台烟条自动视觉检测与计数方法 | |
Tong et al. | Transmission line extraction and recognition from natural complex background | |
CN109596620A (zh) | 基于机器视觉的产品表面形状缺陷检测方法和系统 | |
Lu et al. | An image recognition algorithm based on thickness of ice cover of transmission line | |
CN109784389A (zh) | 一种基于Adaboost和Gabor算法的煤岩识别检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |