[發(fā)明專利]一種基于圖像處理的車鉤托梁折斷檢測(cè)方法、系統(tǒng)及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011110695.0
• 申請(qǐng)日: 2020-10-16
• 公開(kāi)（公告）號(hào): CN112233094B
• 公開(kāi)（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 張慶宇
• 申請(qǐng)（專利權(quán)）人: 哈爾濱市科佳通用機(jī)電股份有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/13
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 時(shí)起磊

一種基于圖像處理的車鉤托梁折斷檢測(cè)方法、系統(tǒng)及裝置，屬于圖像處理和設(shè)備檢測(cè)技術(shù)領(lǐng)域。本發(fā)明是為了解決現(xiàn)有的視覺(jué)判斷方法存在遺漏率高、誤檢率高的問(wèn)題，以及神經(jīng)網(wǎng)絡(luò)判斷方法存在工作量大和通用性效果不穩(wěn)定的問(wèn)題。本發(fā)明首先對(duì)待檢測(cè)圖形進(jìn)行濾波，并利用檢測(cè)算子模板與濾波圖像像素卷積，獲取當(dāng)前像素的最大卷積值，如果卷積值大于等于255，則像素置為255；否則像素置為0，得到二值圖像；然后對(duì)檢測(cè)到的邊緣進(jìn)行補(bǔ)充；基于邊緣補(bǔ)充后的邊緣圖像，查找連通域確定折斷處并計(jì)算折斷的長(zhǎng)度和角度；從而實(shí)現(xiàn)車鉤托梁折斷的檢測(cè)。主要用于車鉤托梁的折斷檢測(cè)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種車鉤托梁折斷檢測(cè)方法、系統(tǒng)及裝置，屬于圖像處理和設(shè)備檢測(cè)技術(shù)領(lǐng)域。

背景技術(shù)

鐵路貨車的車鉤托梁折斷會(huì)影響鐵路貨車的安全運(yùn)行。目前的貨車故障監(jiān)控的方法為視覺(jué)判斷，這種方法會(huì)受外界影響頗大，例如拍攝的圖片不清晰，有水跡干擾等客觀因素；人工分時(shí)性疲勞，注意力不集中等主觀因素。都會(huì)造成部件故障的遺漏、誤檢等情況，影響貨車行駛安全。

因此，鐵路貨車檢測(cè)領(lǐng)域亟需貨車部件的故障自動(dòng)化檢測(cè)技術(shù)。目前也有一些自動(dòng)化檢測(cè)技術(shù)能夠用于車鉤托梁折斷檢測(cè)，但是由于車鉤托梁所在部位存在結(jié)構(gòu)比較復(fù)雜導(dǎo)致基于圖像處理的技術(shù)存在很大難度，同時(shí)車鉤托梁折斷的形態(tài)不易被檢測(cè)和識(shí)別到，所以現(xiàn)有的技術(shù)往往不能取得良好的效果，存在漏檢率高和誤檢率高的問(wèn)題。目前也有一些檢測(cè)方法利用神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行鐵路貨車車鉤托梁折斷的檢測(cè)，這種方法雖然能夠較好的應(yīng)用于車鉤托梁折斷檢測(cè)，但是這種方法的準(zhǔn)確性也依賴于訓(xùn)練過(guò)程所得到的模型的好壞，而訓(xùn)練過(guò)程還需要收到訓(xùn)練樣本的影響，如果訓(xùn)練樣本不能覆蓋所有的情況(如天氣光照影響、油污影響等)，則模型的適用性和檢測(cè)準(zhǔn)確度將會(huì)收到嚴(yán)重影響，所以這種方法需要獲取非常多的圖像，這就需要花費(fèi)大量的圖像手機(jī)工作量，而且這種還存在通用性效果不穩(wěn)定的問(wèn)題，即A用戶通過(guò)訓(xùn)練得到的訓(xùn)練好的模型，可能該模型的效果非常好，但是B用戶訓(xùn)練得到的模型不一定能夠取得同樣好的效果。

發(fā)明內(nèi)容

本發(fā)明是為了解決現(xiàn)有的視覺(jué)判斷方法存在遺漏率高、誤檢率高的問(wèn)題，以及神經(jīng)網(wǎng)絡(luò)判斷方法存在工作量大和通用性效果不穩(wěn)定的問(wèn)題。

一種基于圖像處理的車鉤托梁折斷檢測(cè)方法，包括以下步驟：

s1、對(duì)待檢測(cè)圖形進(jìn)行濾波，即將卷積核與待檢測(cè)圖像進(jìn)行卷積；

所述卷積核如下：

f_s(x,y)＝f(x,y)*G(x,y)*C(x,y) (1)

其中，f(x,y)表示輸入圖像數(shù)據(jù)，G(x,y)表示二維高斯函數(shù)，f_s(x,y)為卷積平滑后的圖像，C(x,y)表示圖像的內(nèi)容函數(shù)，x和y分別為二維圖像像素的橫縱坐標(biāo)；

圖像的內(nèi)容函數(shù)

s2、針對(duì)于濾波圖像進(jìn)行邊緣檢測(cè)，利用檢測(cè)算子模板Sobel_x、Sobel_y、k_45°、k_135°分別與濾波圖像像素卷積，獲取當(dāng)前像素的最大卷積值，如果卷積值大于等于255，則像素置為255；否則像素置為0，得到二值圖像；

s3、對(duì)檢測(cè)到的邊緣進(jìn)行補(bǔ)充；

s4、基于邊緣補(bǔ)充后的邊緣圖像，查找連通域確定折斷處并計(jì)算折斷的長(zhǎng)度和角度；從而實(shí)現(xiàn)車鉤托梁折斷的檢測(cè)。

進(jìn)一步地，所述二維高斯函數(shù)σ＝1，高斯核選取5×5大小來(lái)進(jìn)行高斯模糊。

進(jìn)一步地，所述的

進(jìn)一步地，所述步驟s3中采用鄰域灰度差法對(duì)檢測(cè)到的邊緣進(jìn)行補(bǔ)充。

進(jìn)一步地，所述用鄰域灰度差法對(duì)檢測(cè)到的邊緣進(jìn)行補(bǔ)充的具體過(guò)程包括以下步驟：