[發明專利]一種貨車車輛水堵丟失故障的檢測方法和系統

無效

• 申請號: 201210295795.4
• 申請日: 2012-08-17
• 公開（公告）號: CN102867182A
• 公開（公告）日: 2013-01-09
• 發明（設計）人: 薛繼連;賈晉中;陳海濱;李曉建;賈晉軍;梁毅平;趙金利;趙俊彥;任崇巍;鄒迎偉;張閩東;張鵬;楊學超
• 申請（專利權）人: 中國神華能源股份有限公司;朔黃鐵路發展有限責任公司;北京京天威科技發展有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T1/40
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 肖冰濱;南毅寧

技術領域

本發明涉及動態圖像的檢測技術，具體地，涉及一種貨車車輛水堵丟失故障的檢測方法和系統。

背景技術

圖像識別技術的研究始于六十年代，其含義是利用計算機對圖像進行加工處理，以得到某些預期的效果，并從中提取有用信息，實現人對事物或現象的分析、描述、判斷和識別。圖像識別技術的一個核心技術為模式識別技術，它的好壞直接影響最終的高層計算機視覺處理結果。在處理方法范疇里，模式識別主要包含四種方法：統計模式識別方法（也稱作決策理論法）、結構（句法）模式識別方法、神經網絡模式識別方法和模糊模式識別方法。其中神經網絡方法是指用神經網絡的算法對圖像進行識別的方法，神經網絡系統是由大量簡單的處理單元廣泛的相互連接而形成的復雜的網絡系統，是人腦神經網絡系統的簡化，抽象和模擬，側重于模擬和實現人的認知過程中的感知過程、形象思維、分布式記憶和自學習自組織過程，特別適用于處理需要同時考慮許多因素和條件的，不精確和模糊的信息處理問題。而且，神經網絡模式識別方法對輸入模式信息的不完備或特征的缺損不太敏感，與傳統的模式識別方法比較起來在背景噪聲統計特性未知的情況下，其性能更好。因此，在識別正確率方面，神經網絡模式識別分類器要比傳統的分類器優越。

目前的圖像分析系統都是采用人工室內看圖檢車，檢車員需要逐車逐圖查看。如果按照一列車60輛編組，每輛車為標準的53幅圖像計算，每列車需要瀏覽3180幅圖像，按照每列車6分鐘技檢時間計算，平均每秒鐘要看9幅圖像，即使按照4人按部件分工看圖，每人每秒也需要瀏覽2幅圖像。因此檢車員勞動強度很大，極容易疲勞，再加上環境、心理等眾多因素的影響，難免會產生漏檢、誤檢。此外，隨著運量的不斷增加，加之車輛在運用過程中逐漸老化，貨車運行的安全風險也會越來越大，因此為確保行車安全急需更加先進可靠的檢測方法或檢測裝置。

發明內容

本發明的目的是提供一種貨車車輛水堵丟失故障的檢測方法和系統，用于解決自動對貨車車輛水堵丟失故障的檢測。

為了實現上述目的，本發明提供了一種貨車車輛水堵丟失故障的檢測方法，該方法包括：采集車輛圖像并對采集的車輛圖像進行預處理，得到預處理后的車輛圖像；對預處理后的車輛圖像進行特征提取，得到表示車輛圖像的特征；采用預先確定的分類模型根據車輛圖像的特征得到車輛水堵是否丟失的檢測結果。

相應地，本發明還提供了一種貨車車輛水堵丟失故障的檢測系統，該系統包括：圖像采集模塊，用于采集車輛圖像；圖像預處理模塊，用于對采集的車輛圖像進行預處理，得到預處理后的車輛圖像；特征提取模塊，用于對預處理后的車輛圖像進行特征提取，得到表示車輛圖像的特征；分類決策模塊，采用預先確定的分類模型根據車輛圖像的特征得到車輛水堵是否丟失的檢測結果。

通過上述技術方案，本發明通過對采集到的車輛圖像進行預處理和特征提取，再將提取的特征通過預先機器學習得到的分類模型來實現針對貨車車輛水堵丟失故障的自動識別與檢測，使得檢車的時間大幅減少，并大幅提高了線路的運量和貨車的使用效率。

本發明的其他特征和優點將在隨后的具體實施方式部分予以詳細說明。

附圖說明

附圖是用來提供對本發明的進一步理解，并且構成說明書的一部分，與下面的具體實施方式一起用于解釋本發明，但并不構成對本發明的限制。在附圖中：

圖1為本發明提供的貨車車輛水堵丟失故障的檢測方法的流程圖；以及

圖2為本發明提供的貨車車輛水堵丟失故障的檢測系統的框圖。

具體實施方式

以下結合附圖對本發明的具體實施方式進行詳細說明。應當理解的是，此處所描述的具體實施方式僅用于說明和解釋本發明，并不用于限制本發明。

圖1為本發明提供的貨車車輛水堵丟失故障的檢測方法的流程圖。如圖1所示：采集車輛圖像并對采集的車輛圖像進行預處理，得到預處理后的車輛圖像；對預處理后的車輛圖像進行特征提取，得到表示車輛圖像的特征；采用預先確定的分類模型根據車輛圖像的特征得到車輛水堵是否丟失的檢測結果。

其中，可利用高速連續數字照相技術進行車輛圖像的采集，該技術可在高速情況下獲取到穩定清晰的車輛部件圖像。

其中，在車輛圖像采集過程中，外界光照條件和相機自身因素會造成圖像質量的下降，因此在特征提取之前需要對車輛圖像進行預處理的操作，本發明采用的預處理操作主要包括車輛圖像的增強和去噪，可采用鄰域平均法對車輛圖像進行平滑去噪，然后利用直方圖均衡法對車輛圖像進行增強，以增強車輛圖像中部件的邊緣信息，更有利于后期的特征表示。