用于動(dòng)車組故障檢測(cè)的圖像識(shí)別對(duì)比算法研究

趙慶賀 翟星宇

摘要：動(dòng)車組故障檢測(cè)動(dòng)態(tài)圖像識(shí)別利用了當(dāng)前圖像與歷史圖像進(jìn)行比較，實(shí)現(xiàn)了動(dòng)車組在運(yùn)行狀態(tài)下的實(shí)時(shí)監(jiān)測(cè)以及自動(dòng)預(yù)警，使得工作人員能夠及時(shí)發(fā)現(xiàn)問(wèn)題，確保動(dòng)車組運(yùn)行安全。由于各個(gè)時(shí)間段獲取的圖像不可能完全一致，就導(dǎo)致故障識(shí)別算法的誤報(bào)率要求非常高。因此，本文采用模塊化、小型化的研究理念，運(yùn)用圖像識(shí)別技術(shù)對(duì)異常圖像進(jìn)行分級(jí)預(yù)警。在圖像自動(dòng)識(shí)別技術(shù)基礎(chǔ)上，設(shè)計(jì)了整體圖像識(shí)別框架、圖像對(duì)比、分級(jí)預(yù)報(bào)算法，從而提高了動(dòng)車組故障自動(dòng)識(shí)別效果，達(dá)到分級(jí)預(yù)警的要求。

關(guān)鍵詞：動(dòng)車組故障檢測(cè)；動(dòng)態(tài)圖像識(shí)別；算法研究

ABSTRACT： Dynamic image recognition of EMU fault detection makes use of the comparison between the current image and the historical image to realize the real-time monitoring and automatic early warning of EMU under the running state， so that the staff can discover problems in time and ensure the safety of EMU operation. The false alarm rate of the fault recognition algorithm is very high because the images obtained in each time period can not be completely consistent. Therefore， this paper uses the modular， miniaturized research concept， the use of image recognition technology for abnormal image classification early warning. On the basis of image automatic recognition technology， the whole image recognition frame， image contrast and classification prediction algorithm are designed， which improves the automatic recognition effect of EMU fault and meets the requirement of classification early warning.

Key words： EMU fault detection；dynamic image recognition；algorithm research；

近年隨著我國(guó)高速鐵路行業(yè)的飛速發(fā)展，動(dòng)車組安全檢測(cè)與監(jiān)督工作變得尤為重要?，F(xiàn)如今動(dòng)車組的檢測(cè)形式為入庫(kù)地溝式靜態(tài)監(jiān)控模式，而對(duì)于動(dòng)態(tài)運(yùn)行過(guò)程中的監(jiān)控還很不足，這必然造成了巨大的安全隱患。動(dòng)車組在高速運(yùn)行過(guò)程中會(huì)遇到各種問(wèn)題，例如：長(zhǎng)時(shí)間高速運(yùn)行受到傳動(dòng)力及制動(dòng)力的影響，其部件會(huì)出現(xiàn)各種程度的磨損；關(guān)鍵部位遭到石塊及堅(jiān)硬物的強(qiáng)烈撞擊，這都是很大的安全隱患，所以對(duì)高速行駛的動(dòng)車組進(jìn)行動(dòng)態(tài)監(jiān)控變得至關(guān)重要。

基于上述背景，鐵道部相關(guān)部門提出了一種新的動(dòng)車組故障檢測(cè)系統(tǒng)——?jiǎng)榆嚱M故障圖像自動(dòng)識(shí)別檢測(cè)系統(tǒng)（TEDS），該系統(tǒng)利用安裝在軌道上的線陣高速攝像機(jī)對(duì)動(dòng)車組進(jìn)行動(dòng)態(tài)多方位多角度拍攝，采集動(dòng)車組底部可視部件（車體底部及轉(zhuǎn)向架制動(dòng)裝置、傳動(dòng)裝置、牽引裝置、輪軸、車鉤及車底部其他可視部位）、側(cè)部可視部件（側(cè)部裙板、轉(zhuǎn)向架及軸箱、車端連接部等可視部件）圖像，采用圖像自動(dòng)識(shí)別技術(shù)，實(shí)現(xiàn)自動(dòng)對(duì)圖像進(jìn)行異常識(shí)別以及分級(jí)預(yù)警，人工僅需要對(duì)異常警報(bào)信息進(jìn)行確認(rèn)。

目前TEDS系統(tǒng)僅完成了圖象的采集及傳輸，而針對(duì)圖像的異常自動(dòng)識(shí)別模塊仍亟待解決。本文提出了一種模塊化、小型化的設(shè)計(jì)理念，運(yùn)用圖像自動(dòng)識(shí)別技術(shù)增加了具體重點(diǎn)部件的故障識(shí)別算法，對(duì)圖像自動(dòng)進(jìn)行對(duì)比分析和異常分級(jí)預(yù)警，使動(dòng)車組較短的時(shí)間內(nèi)利用該算法完成一系列的異常檢測(cè)，人工對(duì)異常預(yù)警信息進(jìn)行確認(rèn)處理，從而完善當(dāng)前的TEDS系統(tǒng)，順應(yīng)和推動(dòng)動(dòng)車組運(yùn)輸安全的發(fā)展。

一、設(shè)計(jì)背景

TEDS 由軌邊設(shè)備、探測(cè)站設(shè)備和監(jiān)測(cè)站3部分組成，其關(guān)鍵部件包括：相機(jī)采集模塊、AEI 裝置、車輪傳感器、圖像信息處理和數(shù)據(jù)傳輸、數(shù)據(jù)存儲(chǔ)和圖像分析識(shí)別服務(wù)器、集中復(fù)示中央服務(wù)器和網(wǎng)絡(luò)設(shè)備、監(jiān)控終端和防雷設(shè)備等。TEDS采用圖像自動(dòng)識(shí)別、圖像實(shí)時(shí)處理、低信道圖像傳輸、車號(hào)自動(dòng)識(shí)別、精確定位實(shí)時(shí)采集等技術(shù)，實(shí)現(xiàn)了圖像檢測(cè)、車號(hào)識(shí)別索引、圖像自動(dòng)識(shí)別報(bào)警、外部數(shù)據(jù)交互、數(shù)據(jù)統(tǒng)計(jì)分析等功能。對(duì)于TEDS 的系統(tǒng)設(shè)計(jì)，關(guān)鍵要解決如何快速準(zhǔn)確地實(shí)現(xiàn)對(duì)動(dòng)車組大量圖像的對(duì)比分析和故障識(shí)別，本文主要對(duì)圖像處理、對(duì)比和報(bào)警的算法進(jìn)行研究。

二、對(duì)比算法的設(shè)計(jì)流程

在TEDS 的故障識(shí)別模塊中，綜合對(duì)比圖像信息與識(shí)別信息，在圖像處理和歷史對(duì)比的基礎(chǔ)上，對(duì)重點(diǎn)部位進(jìn)行針對(duì)性識(shí)別，從而更加準(zhǔn)確地對(duì)動(dòng)車組的故障部件提出預(yù)警。對(duì)比算法流程如下圖所示：

（一）圖像對(duì)齊模塊

TEDS 在獲取圖像的時(shí)候，以動(dòng)車組的車軸順位為基準(zhǔn)進(jìn)行圖像拍攝校正，所以本文利用圖像相對(duì)車軸的信息，把當(dāng)前圖像和歷史圖像對(duì)齊，找到含有共同信息的兩張圖。

圖像對(duì)比的算法核心，是如何對(duì)兩張圖像中的公共區(qū)域進(jìn)行對(duì)比，找到不同。本文基于人眼識(shí)別的思維模式，采用從大到小，從粗到細(xì)，逐層遞推的思想，設(shè)計(jì)了一套算法流程來(lái)進(jìn)行識(shí)別。算法具體流程如下所示：

（二）圖像預(yù)處理

由于現(xiàn)場(chǎng)環(huán)境和圖像在壓縮傳輸過(guò)程中存在圖像質(zhì)量下降和噪聲干擾，因此在對(duì)比過(guò)程中，噪聲往往使局部梯度信息比較多，很容易對(duì)圖像的邊緣信息造成混淆，使得噪聲對(duì)圖像自動(dòng)識(shí)別造成非常嚴(yán)重的影響，所以在對(duì)比前需要對(duì)圖像做預(yù)處理。

圖像去噪包括消除噪聲和增強(qiáng)圖像特征。在原圖像上直接進(jìn)行處理的常見(jiàn)去噪算法有：鄰域平均法、中值濾波法、高斯濾波、雙邊濾波、非局部平均濾波等。由于去除噪聲意味著除去圖像的高頻部分，與此同時(shí)圖像的邊界同樣是高頻部分，所以在去除噪聲的同時(shí)，往往使得圖像的邊界變得模糊。

雙邊濾波是為解決邊緣模糊而提出的，它基于高斯濾波針對(duì)權(quán)系數(shù)直接與圖像信息作卷積運(yùn)算進(jìn)行圖像濾波的原理，其濾波器系數(shù)由幾何空間距離和像素差值決定，同時(shí)利用像素點(diǎn)的空間鄰近度信息和亮度相似度信息來(lái)處理圖像，既可有效降低圖像噪聲又可使圖像邊緣信息保持清晰和邊緣平滑。但由于動(dòng)車組檢測(cè)圖像信息量大，雙邊濾波存在濾波速度慢、信息丟失嚴(yán)重等缺陷。根據(jù)雙邊濾波的基本原理，為使圖像平滑并保留邊界信息，本文設(shè)計(jì)了一個(gè)實(shí)用的去噪算法。算法流程如下圖，本上得到了抑制，邊界效果雖然有所平滑，但保留了足夠的細(xì)節(jié)信息。

考慮到圖像傳輸和故障識(shí)別的時(shí)效性，為了提高自動(dòng)檢測(cè)識(shí)別效率，圖像處理經(jīng)過(guò)第2次銳化后，在減少圖像中的噪聲的同時(shí)，又保留了必要的邊緣信息，可滿足圖像預(yù)處理的要求。圖像預(yù)處理的算法具體流程如下圖所示：

（三）部件區(qū)域定位

動(dòng)車組車軸涂層對(duì)車軸起到一種保護(hù)作用，涂層脫落，使得車軸暴露在外界環(huán)境下，外界環(huán)境會(huì)對(duì)車軸造成污染、腐蝕或異常打擊損傷，從而影響車軸的使用壽命甚至危及列車運(yùn)行安全。

通過(guò)以上對(duì)比算法，可實(shí)現(xiàn)對(duì)同一部位故障的自動(dòng)識(shí)別。實(shí)驗(yàn)結(jié)果對(duì)比可看出，通過(guò)對(duì)涂層脫落部位進(jìn)行定位，根據(jù)脫落面積，分級(jí)預(yù)報(bào)。

（四）歷史數(shù)據(jù)對(duì)比

本文以閘片為例，對(duì)重點(diǎn)部件進(jìn)行特殊的故障識(shí)別算法研究。閘片作為動(dòng)車組的制動(dòng)裝置部件，在動(dòng)車組的安全運(yùn)行中，起到了非常重要的作用。閘片裂損、掉塊、磨耗過(guò)限等對(duì)動(dòng)車組的制動(dòng)性能均會(huì)帶來(lái)較大的潛在危害，因此需要對(duì)動(dòng)車組故障軌邊圖像自動(dòng)檢測(cè)系統(tǒng)圖像對(duì)比算法研究閘片圖像進(jìn)行更加精確地識(shí)別判斷。

通過(guò)這兩幅圖對(duì)比中可以看出，右邊的閘片厚度明顯比左邊正常圖要薄很多。這種狀態(tài)會(huì)造成動(dòng)車組制動(dòng)效能下降，并且危及動(dòng)車組的運(yùn)行安全。通過(guò)對(duì)比算法，可以實(shí)現(xiàn)閘片異常預(yù)報(bào)，同時(shí)針對(duì)閘片磨耗過(guò)限給出精確預(yù)報(bào)，為動(dòng)車組的安全運(yùn)行提供了保障。

三、總結(jié)

本文通過(guò)對(duì)TEDS 圖像對(duì)比算法流程的設(shè)計(jì)，實(shí)現(xiàn)了對(duì)動(dòng)車組運(yùn)行通過(guò)時(shí)檢測(cè)圖像的歷史對(duì)比，能夠自動(dòng)識(shí)別故障圖像和進(jìn)行分級(jí)報(bào)警，滿足動(dòng)車組運(yùn)行速度高和檢修作業(yè)人員緊張下的安全需求。在圖像對(duì)比中，采用從大到小、逐級(jí)細(xì)化的模式，從而更符合人眼識(shí)別的思維模式；采用動(dòng)態(tài)閾值，使圖像在匹配的過(guò)程中，在區(qū)域面積比較大的時(shí)候，可自動(dòng)調(diào)整為較大的閾值，使得對(duì)區(qū)域中的細(xì)節(jié)上的不同更加敏感；增加了對(duì)重點(diǎn)部位的故障識(shí)別，利用信息組合的方式，判斷對(duì)比區(qū)域是否相同，實(shí)現(xiàn)對(duì)關(guān)鍵部件故障的自動(dòng)識(shí)別和分級(jí)報(bào)警。

通過(guò)對(duì)TEDS 圖像自動(dòng)識(shí)別技術(shù)的運(yùn)用，不但可以有效提高動(dòng)車組車輛檢測(cè)的準(zhǔn)確性，提高檢測(cè)效率，減少人工工作量，而且可以更有效地保障動(dòng)車組運(yùn)行安全和鐵路運(yùn)輸秩序。

參考文獻(xiàn)：

[1]陳 雷，趙長(zhǎng)波.TFDS 動(dòng)態(tài)檢查方法與技巧[M]. 北京：中國(guó)鐵道出版社，2010

[2]王榮勝，陳 巖，謝 偉. TFDS 的使用效果分析及改進(jìn)措施[J]. 鐵道車輛，2006，44（12）

[3] Gary Bradski ， E Adrian Kaebler.學(xué)習(xí)OpenCV[M]. 于仕 琪，劉瑞幀. 北京：清華大學(xué)出版社，2009，10

[4]李 軍.TFDS 圖像自動(dòng)識(shí)別技術(shù)的分析[J].上海鐵道科技，2011（01）

[5] Rafael C.Gonzalez ，Richard E.Woods.數(shù)字圖像處理[M]. 3版. 阮秋琦，阮宇智. 北京：電子工業(yè)出版社，2011