[發明專利]基于相關系數的地鐵列車圖像故障檢測方法在審
| 申請號: | 202010048155.8 | 申請日: | 2020-01-16 |
| 公開(公告)號: | CN111242226A | 公開(公告)日: | 2020-06-05 |
| 發明(設計)人: | 鄒夢;李兆新;胡遠江;陸其波;卜顯利;曾玲;劉正一;黃峻;劉曉曼;盧康;陳健;王梁;賈朋磊;冉春燕 | 申請(專利權)人: | 廣州運達智能科技有限公司;廣州地鐵集團有限公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06T7/00 |
| 代理公司: | 成都行之專利代理事務所(普通合伙) 51220 | 代理人: | 張超 |
| 地址: | 510000 廣東省廣州市白云區北太路163*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 相關系數 地鐵 列車 圖像 故障 檢測 方法 | ||
1.基于相關系數的地鐵列車圖像故障檢測方法,其特征在于,包括以下步驟:
S1,獲取標準圖片集:按照時間戳的順序同時對多個部件進行拍攝獲得若干張初始圖片構成初始圖片集,所述若干張初始圖片中包括正常部件圖片和異常部件圖片,從初始圖片集中選取同一部件的多張正常部件圖片構成該部件的標準圖片集;
S2,正常部件圖片的預處理:對標準圖片集里的每張正常部件圖片分別進行歸一化處理和縮小處理得到第一預處理圖片;
S3,生成標準圖片的模板:將第一預處理圖片進行灰度值相加后求平均值得到標準圖片的模板;
S4,構造故障檢測分類器:將標準圖片的模板與標準圖片集中每張正常部件圖片做相關計算后得到第一相關系數,再對第一相關系數進行處理后構造一個基于閾值判斷的分類器;
S5,獲取待檢測圖片集:從初始圖片集中隨機選取多張圖片構成待檢測圖片集;
S6,待檢測圖片的預處理:對待檢測圖片集中的每一張圖片進行歸一化處理和縮小處理得到第二預處理圖片;
S7,進行故障檢測識別:將第二預處理圖片與標準圖片的模板進行相關計算后得到第二相關系數,再將第二相關系數輸入至分類器進行檢測,檢測后輸出故障檢測結果。
2.根據權利要求1所述的基于相關系數的地鐵列車圖像故障檢測方法,其特征在于,所述S1中多張正常部件圖片由不同工況下的正常部件圖片構成,所述不同工況下的正常部件圖片包括帶有雨水的正常部件圖片和不同光照強度下的正常部件圖片。
3.根據權利要求1所述的基于相關系數的地鐵列車圖像故障檢測方法,其特征在于,所述S1中的多個部件包括地鐵列車內側壁、地鐵列車外側壁和地鐵列車車頂。
4.根據權利要求1所述的基于相關系數的地鐵列車圖像故障檢測方法,其特征在于,所述異常部件圖片包括部件缺失圖片、部件斷裂圖片、部件松動圖片、部件表面有異物圖片、部件表面裂紋圖片、部件線纜脫落圖片、部件異位圖片、部件表面油漬污染圖片和部件變形圖片。
5.根據權利要求1所述的基于相關系數的地鐵列車圖像故障檢測方法,其特征在于,所述S1中,地鐵列車中同一部件的若干張照片的獲取方法包括同一相機在同一光源、同一地鐵車型及相同參數設置下拍的照片。
6.根據權利要求1所述的基于相關系數的地鐵列車圖像故障檢測方法,其特征在于,所述S1中,照片集中照片數量大于3張。
7.根據權利要求1所述的基于相關系數的地鐵列車圖像故障檢測方法,其特征在于,所述S1中,照片集中照片數量為5-20張。
8.根據權利要求1所述的基于相關系數的地鐵列車圖像故障檢測方法,其特征在于,所述S2中的縮小處理包括降低圖片分辨率,圖片橫向分辨率和縱向分辨率同時降低為原來的一半或三分之一。
9.根據權利要求1所述的基于相關系數的地鐵列車圖像故障檢測方法,其特征在于,所述第一相關系數和第二相關系數的結果保留至小數點后4位。
10.根據權利要求1所述的基于相關系數的地鐵列車圖像故障檢測方法,其特征在于,所述S1中,對同一部件進行拍攝的時間間隔為10-30min。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣州運達智能科技有限公司;廣州地鐵集團有限公司,未經廣州運達智能科技有限公司;廣州地鐵集團有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010048155.8/1.html,轉載請聲明來源鉆瓜專利網。





