CN112699794A - 一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法 - Google Patents
一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法 Download PDFInfo
- Publication number
- CN112699794A CN112699794A CN202011608405.5A CN202011608405A CN112699794A CN 112699794 A CN112699794 A CN 112699794A CN 202011608405 A CN202011608405 A CN 202011608405A CN 112699794 A CN112699794 A CN 112699794A
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- points
- point
- rubber
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61F—RAIL VEHICLE SUSPENSIONS, e.g. UNDERFRAMES, BOGIES OR ARRANGEMENTS OF WHEEL AXLES; RAIL VEHICLES FOR USE ON TRACKS OF DIFFERENT WIDTH; PREVENTING DERAILING OF RAIL VEHICLES; WHEEL GUARDS, OBSTRUCTION REMOVERS OR THE LIKE FOR RAIL VEHICLES
- B61F5/00—Constructional details of bogies; Connections between bogies and vehicle underframes; Arrangements or devices for adjusting or allowing self-adjustment of wheel axles or bogies when rounding curves
- B61F5/26—Mounting or securing axle-boxes in vehicle or bogie underframes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法。步骤1:获取货车的线阵图像;步骤2:根据确定的铁路货车轴距信息对线阵图像中的轴箱橡胶垫中间橡胶进行粗定位;步骤3:对步骤2粗定位的部件图像进行边缘提取和边缘连接;步骤4:将步骤4的进行边缘提取和边缘连接的图像,再进行图像特征点的提取;步骤5:根据步骤5提取的图像特征点进行故障判定。本发明针对轴箱橡胶垫中间橡胶与上、下层板错位故障的自动化检测的问题,通过图像处理技术,有效提高检车作业质量和效率。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法。
背景技术
轴箱橡胶垫中间橡胶与上、下层板错位是轴箱装置的一种故障形态,轴箱橡胶垫作为轴箱装置的重要组成部件,其功用包括:实现轮对弹性定位、隔离轮轨的高频震动以及降低对轨道的冲击。当橡胶垫中间橡胶出现错位时将影响轴箱橡胶垫的功用,给货车行车安全带来隐患。当前采用的人工逐张看图的检车作业方式,存在受人员素质、责任心影响,错漏检问题时有发生,作业质量难以保证,以及人工成本巨大、效率低下等问题。
发明内容
本发明提供一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,针对轴箱橡胶垫中间橡胶与上、下层板错位故障的自动化检测的问题,通过图像处理技术,实现故障自动识别和报警,有效提高检车作业质量和效率。
本发明通过以下技术方案实现:
一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,图像识别方法包括以下步骤:
步骤1:获取货车的线阵图像;
步骤2:根据确定的铁路货车轴距信息对线阵图像中的轴箱橡胶垫中间橡胶进行粗定位;
步骤3:对步骤2粗定位的部件图像进行边缘提取和边缘连接;
步骤4:将步骤4的进行边缘提取和边缘连接的图像,再进行图像特征点的提取;
步骤5:根据步骤5提取的图像特征点进行故障判定。
进一步的,步骤2具体为,
步骤2.1,对所获取的线阵图像进行过滤,获得包括K6型转向架的线阵图像;
步骤2.2,根据确定的铁路货车轴距信息对包括K6型转向架的线阵图像中的轴箱橡胶垫中间橡胶进行粗定位。
进一步的,步骤3包括:
步骤3.1,对步骤2粗定位的部件图像进行预处理,获得预处理后图像,其中,预处理具体为,利用中值滤波算法对步骤2粗定位的部件图像进行去噪,以除去孤立的噪声点;
步骤3.2,对预处理后图像进行边缘提取和边缘连接。
进一步的,步骤3的边缘提取具体为,SUSAN算法将圆形窗口模板应用于图像,从而给出各个方向的相应图像,将窗口中心置于图像的每一个位置上,计算窗口中心点r0与窗口内其他像素点r具有相近亮度的点的个数n(r0),以确定该像素是否是图像边缘点:
其中,c(r,r0)表示窗口内点r的亮度I(r)与窗口中心点r0的亮度I(r0)的相似程度:
其中,t表示亮度阈值;当两点亮度之差小于t时,c(r,r0)=1。
进一步的,步骤3的边缘连接分为灰度的相似和距离的连贯;
灰度的相似性:使用梯度的大小和方向度量像素间的灰度的相似性;边缘点(x1,y1)和(x2,y2)的梯度幅度和方向应分别满足:
|||G1|-|G2|||≤G0
|||θ1|-|θ2|||≤θ0
其中,G0和θ0分别为梯度幅度阈值和方向角度阈值;
距离的连贯性:边缘点(x2,y2)在(x1,y1)的领域内;同时满足灰度的相似性和距离的连贯性,则将边缘断点连接起来。
进一步的,步骤4包括以下步骤,
步骤4.1:判断进行了边缘提取和边缘连接的图像的边缘轮廓线是否封闭;
步骤4.2:基于步骤4.1的判断结果,进行边缘轮廓线的几何重心计算;
步骤4.3:基于步骤4.2获得的几何重心,对进行了边缘提取和边缘连接的图像中的边缘点进行极坐标转化;
步骤4.4:从极坐标转化后的边缘点中提取特征点。
进一步的,步骤4.1具体为,利用轮廓跟踪算法,对边缘轮廓的端点进行检测;即当一个像素的八邻域中只有一个像素或有两个相邻的像素时,判定为端点;当检测到端点时,边缘轮廓线不封闭,反之为封闭轮廓线。
进一步的,步骤4.2具体为,步骤4.2.1:封闭轮廓线的几何重心;对于一个封闭的不规则平面图形,其边缘点的坐标为(xi,yi),1≤i≤n,n为边缘点的个数,其几何重心坐标(x0,y0)计算如下:
步骤4.2.2:非封闭轮廓线的几何重心;对于一段凸或凹的曲线,首先由其边缘线的两端点和中间点构成三角形,根据三角形求其几何重心;如果一条边缘线不是单凸或单凹,先对其进行分段,并分别求几何重心,根据分段的几何重心求得总体的几何重心。
进一步的,步骤4.4具体为,
其极大值点为,
其极小值点为,
步骤4.4.2,使用非极大值抑制的方法对候选特征点进行筛选,获得筛选后的特征点;即每一区间内的极大值点与相邻区间内的极大值点进行比较,如果该极大值点的极径大于相邻两个区间内的极大值点的极径,则认为是筛选后的特征点;
或使用非极小值抑制的方法对候选特征点进行筛选;即每一区间内的极小值点与相邻区间内的极小值点进行比较,如果该极小值点的极径小于相邻两个区间内的极小值点的极径,则认为是筛选后的特征点。
进一步的,步骤5具体为,以图像中心列将特征点图像分为左、右两半部分,分别计算左、右两半部分中特征点与图像中心列的平均列坐标距离;左、右两半部分的平均列坐标距离相差超过设定阈值时,判定为发生轴箱橡胶垫中间橡胶与上、下层板错位故障。
本发明的有益效果是:
1.本发明将自动识别技术引入货车故障检测,实现故障自动识别及报警,人工只需对报警结果进行确认,有效节约人力成本,提高作业质量和作业效率。
2.本发明的算法提取任何类型边缘上的凹凸处的特征点,能更加准确地反映目标的轮廓信息,提升了目标识别的效果。
3.本发明的SUSAN算法,不需要进行微分计算,具有更高的算法效率和抗噪声能力。
附图说明
图1是本发明的方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要特别说明的是,在不冲突的情况下,本申请公开的各个实施例之间或实施例包括的特征之间可以相互组合。
如图1所示,一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,图像识别方法包括以下步骤:
步骤1:获取货车的线阵图像;
步骤2:根据确定的铁路货车轴距信息对线阵图像中的轴箱橡胶垫中间橡胶进行粗定位;
步骤3:对步骤2粗定位的部件图像进行边缘提取和边缘连接;
步骤4:将步骤4的进行边缘提取和边缘连接的图像,再进行图像特征点的提取;
步骤5:根据步骤5提取的图像特征点进行故障判定。
进一步的,步骤2具体为,
步骤2.1,对所获取的线阵图像进行过滤,获得包括K6型转向架的线阵图像;
步骤2.2,根据确定的铁路货车轴距信息对包括K6型转向架的线阵图像中的轴箱橡胶垫中间橡胶进行粗定位。
进一步的,步骤3包括:
步骤3.1,对步骤2粗定位的部件图像进行预处理,获得预处理后图像,其中,预处理具体为,利用中值滤波算法对步骤2粗定位的部件图像进行去噪,以除去孤立的噪声点;
步骤3.2,对预处理后图像进行边缘提取和边缘连接。
进一步的,步骤3的边缘提取具体为,SUSAN算法将圆形窗口模板应用于图像,从而给出各个方向的相应图像,将窗口中心置于图像的每一个位置上,计算窗口中心点r0与窗口内其他像素点r具有相近亮度的点的个数n(r0),以确定该像素是否是图像边缘点:
其中,c(r,r0)表示窗口内点r的亮度I(r)与窗口中心点r0的亮度I(r0)的相似程度:
其中,t表示亮度阈值;当两点亮度之差小于t时,c(r,r0)=1。
进一步的,步骤3的边缘连接分为灰度的相似和距离的连贯;
灰度的相似性:使用梯度的大小和方向度量像素间的灰度的相似性;边缘点(x1,y1)和(x2,y2)的梯度幅度和方向应分别满足:
|||G1|-|G2|||≤G0
|||θ1|-|θ2|||≤θ0
其中,G0和θ0分别为梯度幅度阈值和方向角度阈值;
距离的连贯性:边缘点(x2,y2)在(x1,y1)的领域内;同时满足灰度的相似性和距离的连贯性,则将边缘断点连接起来。
进一步的,步骤4包括以下步骤,
步骤4.1:判断进行了边缘提取和边缘连接的图像的边缘轮廓线是否封闭;
步骤4.2:基于步骤4.1的判断结果,进行边缘轮廓线的几何重心计算;
步骤4.3:基于步骤4.2获得的几何重心,对进行了边缘提取和边缘连接的图像中的边缘点进行极坐标转化;
步骤4.4:从极坐标转化后的边缘点中提取特征点。
进一步的,步骤4.1具体为,利用轮廓跟踪算法,对边缘轮廓的端点进行检测;即当一个像素的八邻域中只有一个像素或有两个相邻的像素时,判定为端点;当检测到端点时,边缘轮廓线不封闭,反之为封闭轮廓线。
进一步的,步骤4.2具体为,步骤4.2.1:封闭轮廓线的几何重心;对于一个封闭的不规则平面图形,其边缘点的坐标为(xi,yi),1≤i≤n,n为边缘点的个数,其几何重心坐标(x0,y0)计算如下:
步骤4.2.2:非封闭轮廓线的几何重心;对于一段凸或凹的曲线,首先由其边缘线的两端点和中间点构成三角形,根据三角形求其几何重心;如果一条边缘线不是单凸或单凹,先对其进行分段,并分别求几何重心,根据分段的几何重心求得总体的几何重心;
步骤4.3具体为,将边缘点极坐标化;转换公式为,
其中,几何重心作为极点(x0,y0),ρi为点(xi,yi)的极径,θi为点(xi,yi)的极角。
进一步的,步骤4.4具体为,
其极大值点为,
其极小值点为,
步骤4.4.2,使用非极大值抑制的方法对候选特征点进行筛选,获得筛选后的特征点;即每一区间内的极大值点与相邻区间内的极大值点进行比较,如果该极大值点的极径大于相邻两个区间内的极大值点的极径,则认为是筛选后的特征点;
或使用非极小值抑制的方法对候选特征点进行筛选;即每一区间内的极小值点与相邻区间内的极小值点进行比较,如果该极小值点的极径小于相邻两个区间内的极小值点的极径,则认为是筛选后的特征点。
进一步的,步骤5具体为,以图像中心列将特征点图像分为左、右两半部分,分别计算左、右两半部分中特征点与图像中心列的平均列坐标距离;左、右两半部分的平均列坐标距离相差超过设定阈值时,判定为发生轴箱橡胶垫中间橡胶与上、下层板错位故障。
图像中心列为图像最中心的那一列。
Claims (10)
1.一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,其特征在于,所述图像识别方法包括以下步骤:
步骤1:获取货车的线阵图像;
步骤2:根据确定的铁路货车轴距信息对线阵图像中的轴箱橡胶垫中间橡胶进行粗定位;
步骤3:对步骤2粗定位的部件图像进行边缘提取和边缘连接;
步骤4:将步骤4的进行边缘提取和边缘连接的图像,再进行图像特征点的提取;
步骤5:根据步骤5提取的图像特征点进行故障判定。
2.根据权利要求1所述一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,其特征在于,所述步骤2具体为,
步骤2.1,对所获取的线阵图像进行过滤,获得包括K6型转向架的线阵图像;
步骤2.2,根据确定的铁路货车轴距信息对包括K6型转向架的线阵图像中的轴箱橡胶垫中间橡胶进行粗定位。
3.根据权利要求1所述一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,其特征在于,所述步骤3包括:
步骤3.1,对步骤2粗定位的部件图像进行预处理,获得预处理后图像,其中,所述预处理具体为,利用中值滤波算法对步骤2粗定位的部件图像进行去噪,以除去孤立的噪声点;
步骤3.2,对预处理后图像进行边缘提取和边缘连接。
5.根据权利要求1所述一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,其特征在于,所述步骤3的边缘连接分为灰度的相似和距离的连贯;
所述灰度的相似性:使用梯度的大小和方向度量像素间的灰度的相似性;边缘点(x1,y1)和(x2,y2)的梯度幅度和方向应分别满足:
|||G1|-|G2|||≤G0
|||θ1|-|θ2|||≤θ0
其中,G0和θ0分别为梯度幅度阈值和方向角度阈值;
所述距离的连贯性:边缘点(x2,y2)在(x1,y1)的领域内;同时满足灰度的相似性和距离的连贯性,则将边缘断点连接起来。
6.根据权利要求1所述一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,其特征在于,所述步骤4包括以下步骤,
步骤4.1:判断进行了边缘提取和边缘连接的图像的边缘轮廓线是否封闭;
步骤4.2:基于步骤4.1的判断结果,进行边缘轮廓线的几何重心计算;
步骤4.3:基于步骤4.2获得的几何重心,对进行了边缘提取和边缘连接的图像中的边缘点进行极坐标转化;
步骤4.4:从极坐标转化后的边缘点中提取特征点。
7.根据权利要求6所述一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,其特征在于,所述步骤4.1具体为,利用轮廓跟踪算法,对边缘轮廓的端点进行检测;即当一个像素的八邻域中只有一个像素或有两个相邻的像素时,判定为端点;当检测到端点时,边缘轮廓线不封闭,反之为封闭轮廓线。
9.根据权利要求6所述一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,其特征在于,
所述步骤4.4具体为,
其极大值点为,
其极小值点为,
步骤4.4.2,使用非极大值抑制的方法对候选特征点进行筛选,获得筛选后的特征点;即每一区间内的极大值点与相邻区间内的极大值点进行比较,如果该极大值点的极径大于相邻两个区间内的极大值点的极径,则认为是筛选后的特征点;
或使用非极小值抑制的方法对候选特征点进行筛选;即每一区间内的极小值点与相邻区间内的极小值点进行比较,如果该极小值点的极径小于相邻两个区间内的极小值点的极径,则认为是筛选后的特征点。
10.根据权利要求1所述一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法,其特征在于,所述步骤5具体为,以图像中心列将特征点图像分为左、右两半部分,分别计算左、右两半部分中特征点与图像中心列的平均列坐标距离;左、右两半部分的平均列坐标距离相差超过设定阈值时,判定为发生轴箱橡胶垫中间橡胶与上、下层板错位故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011608405.5A CN112699794B (zh) | 2020-12-29 | 2020-12-29 | 一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011608405.5A CN112699794B (zh) | 2020-12-29 | 2020-12-29 | 一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112699794A true CN112699794A (zh) | 2021-04-23 |
CN112699794B CN112699794B (zh) | 2021-09-14 |
Family
ID=75512472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011608405.5A Active CN112699794B (zh) | 2020-12-29 | 2020-12-29 | 一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112699794B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115791791A (zh) * | 2022-11-14 | 2023-03-14 | 中国科学院沈阳自动化研究所 | 一种用于液晶面板装箱搭边的视觉检测方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561866A (zh) * | 2009-05-27 | 2009-10-21 | 上海交通大学 | 基于sift特征与灰度差值直方图特征的文字识别方法 |
CN102867305A (zh) * | 2012-09-05 | 2013-01-09 | 天津光电高斯通信工程技术有限公司 | 一种铁路货运列车图像中装载平衡检测方法 |
CN103034861A (zh) * | 2012-12-14 | 2013-04-10 | 北京航空航天大学 | 一种货车闸瓦故障的识别方法及装置 |
CN104469345A (zh) * | 2014-12-10 | 2015-03-25 | 北京理工大学 | 一种基于图像处理的视频故障诊断方法 |
CN104637049A (zh) * | 2014-12-16 | 2015-05-20 | 北京航天时代光电科技有限公司 | 一种光纤绕环质量的自动检测方法 |
CN105275833A (zh) * | 2015-10-30 | 2016-01-27 | 北京航空航天大学 | 一种基于CEEMD-STFT时频信息熵和multi-SVM的离心泵故障诊断方法 |
CN106023185A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种输电设备故障诊断方法 |
CN106204416A (zh) * | 2015-05-04 | 2016-12-07 | 深圳市汉华安道科技有限责任公司 | 全景泊车辅助系统及其广角图像调试方法和装置 |
CN106600581A (zh) * | 2016-12-02 | 2017-04-26 | 北京航空航天大学 | 一种基于双目立体视觉的列车运行故障自动检测系统及方法 |
CN106960178A (zh) * | 2017-02-23 | 2017-07-18 | 中国科学院自动化研究所 | 绝缘子识别模型的训练方法以及绝缘子的识别与定位方法 |
CN108961288A (zh) * | 2018-07-10 | 2018-12-07 | 中国铁路上海局集团有限公司科学技术研究所 | 一种轨腰塞钉销及引线检测图像智能识别方法 |
CN111028292A (zh) * | 2019-12-13 | 2020-04-17 | 中国电子科技集团公司第二十研究所 | 一种亚像素级图像匹配导航定位方法 |
CN111079822A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法 |
CN111860501A (zh) * | 2020-07-14 | 2020-10-30 | 哈尔滨市科佳通用机电股份有限公司 | 基于形状匹配的高铁高度调整杆脱出故障图像识别方法 |
CN112085723A (zh) * | 2020-09-09 | 2020-12-15 | 哈尔滨市科佳通用机电股份有限公司 | 一种货车摇枕弹簧窜出故障自动检测方法 |
CN112101182A (zh) * | 2020-09-10 | 2020-12-18 | 哈尔滨市科佳通用机电股份有限公司 | 一种基于改进slic方法的铁路货车地板破损故障识别方法 |
-
2020
- 2020-12-29 CN CN202011608405.5A patent/CN112699794B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561866A (zh) * | 2009-05-27 | 2009-10-21 | 上海交通大学 | 基于sift特征与灰度差值直方图特征的文字识别方法 |
CN102867305A (zh) * | 2012-09-05 | 2013-01-09 | 天津光电高斯通信工程技术有限公司 | 一种铁路货运列车图像中装载平衡检测方法 |
CN103034861A (zh) * | 2012-12-14 | 2013-04-10 | 北京航空航天大学 | 一种货车闸瓦故障的识别方法及装置 |
CN104469345A (zh) * | 2014-12-10 | 2015-03-25 | 北京理工大学 | 一种基于图像处理的视频故障诊断方法 |
CN104637049A (zh) * | 2014-12-16 | 2015-05-20 | 北京航天时代光电科技有限公司 | 一种光纤绕环质量的自动检测方法 |
CN106204416A (zh) * | 2015-05-04 | 2016-12-07 | 深圳市汉华安道科技有限责任公司 | 全景泊车辅助系统及其广角图像调试方法和装置 |
CN105275833A (zh) * | 2015-10-30 | 2016-01-27 | 北京航空航天大学 | 一种基于CEEMD-STFT时频信息熵和multi-SVM的离心泵故障诊断方法 |
CN106023185A (zh) * | 2016-05-16 | 2016-10-12 | 国网河南省电力公司电力科学研究院 | 一种输电设备故障诊断方法 |
CN106600581A (zh) * | 2016-12-02 | 2017-04-26 | 北京航空航天大学 | 一种基于双目立体视觉的列车运行故障自动检测系统及方法 |
CN106960178A (zh) * | 2017-02-23 | 2017-07-18 | 中国科学院自动化研究所 | 绝缘子识别模型的训练方法以及绝缘子的识别与定位方法 |
CN108961288A (zh) * | 2018-07-10 | 2018-12-07 | 中国铁路上海局集团有限公司科学技术研究所 | 一种轨腰塞钉销及引线检测图像智能识别方法 |
CN111079822A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法 |
CN111028292A (zh) * | 2019-12-13 | 2020-04-17 | 中国电子科技集团公司第二十研究所 | 一种亚像素级图像匹配导航定位方法 |
CN111860501A (zh) * | 2020-07-14 | 2020-10-30 | 哈尔滨市科佳通用机电股份有限公司 | 基于形状匹配的高铁高度调整杆脱出故障图像识别方法 |
CN112085723A (zh) * | 2020-09-09 | 2020-12-15 | 哈尔滨市科佳通用机电股份有限公司 | 一种货车摇枕弹簧窜出故障自动检测方法 |
CN112101182A (zh) * | 2020-09-10 | 2020-12-18 | 哈尔滨市科佳通用机电股份有限公司 | 一种基于改进slic方法的铁路货车地板破损故障识别方法 |
Non-Patent Citations (3)
Title |
---|
王侨等: ""基于机器视觉的农田地头边界线检测方法"", 《农业机械学报》 * |
贾绍勇: ""铁路货车TFDS系统的运用管理思考"", 《哈尔滨铁道科技》 * |
钟飞等: ""基于X射线成像技术的GIS开关典型缺陷图像预处理及特征提取"", 《自动化与仪器仪表》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115791791A (zh) * | 2022-11-14 | 2023-03-14 | 中国科学院沈阳自动化研究所 | 一种用于液晶面板装箱搭边的视觉检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112699794B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647572B (zh) | 一种基于霍夫变换的车道偏离预警方法 | |
CN111079747B (zh) | 铁路货车转向架侧架断裂故障图像识别方法 | |
CN110555361B (zh) | 车道分类的图像处理方法 | |
CN106683076B (zh) | 基于纹理特征聚类的机车轮对踏面损伤检测的方法 | |
CN104318582B (zh) | 一种高铁接触网旋转双耳部件销钉不良状态检测方法 | |
CN110047070B (zh) | 一种轨道磨损程度的识别方法及系统 | |
Jie et al. | Real-time rail head surface defect detection: A geometrical approach | |
CN105719305A (zh) | 接触网中组件脱落缺陷识别方法及系统 | |
CN108596872B (zh) | 基于Gabor小波和SVM的钢轨病害的检测方法 | |
CN115272334A (zh) | 用于复杂背景下的钢轨表面微小缺陷检测方法 | |
CN103984961A (zh) | 一种用于检测车底异物的图像检测方法 | |
CN103034861B (zh) | 一种货车闸瓦故障的识别方法及装置 | |
CN111311567A (zh) | 对轨道线路图像进行扣件和钢轨病害识别的方法 | |
CN116757990A (zh) | 基于机器视觉的铁路扣件缺陷在线检测与识别方法 | |
CN112287888B (zh) | 一种基于预测权重的轨道转弯识别方法 | |
CN108931206B (zh) | 用于钢轨轮廓离群点检测及有效廓形识别的方法 | |
CN112699794B (zh) | 一种铁路货车轴箱橡胶垫中间橡胶与上、下层板错位故障图像识别方法 | |
CN111832571B (zh) | 一种货车制动梁支柱故障自动检测方法 | |
CN112288717A (zh) | 一种动车组列车侧部异物检测方法 | |
CN112037182A (zh) | 基于时序图像的机车走行部故障检测方法、装置及存储介质 | |
CN115631146A (zh) | 一种基于图像的受电弓碳滑条缺损缺陷检测方法 | |
CN117593290A (zh) | 列车360度动态图像监测系统的螺栓松动检测方法及设备 | |
CN114030395B (zh) | 一种接触悬挂吊弦区域异物检测方法及系统 | |
CN112418323B (zh) | 基于图像处理的铁路货车钩舌销故障检测方法 | |
CN112285111A (zh) | 一种受电弓前碳滑板缺陷检测方法、装置、系统和介质 |
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 |