[發(fā)明專利]一種截?cái)嗳T手把關(guān)閉故障圖像識別方法

有效

• 申請?zhí)枺?/td>: 202110038416.2
• 申請日: 2021-01-12
• 公開（公告）號: CN112733940B
• 公開（公告）日: 2021-08-27
• 發(fā)明（設(shè)計(jì)）人: 金佳鑫
• 申請（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: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 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

一種截?cái)嗳T手把關(guān)閉故障圖像識別方法，屬于圖像識別領(lǐng)域。本發(fā)明解決了人工對貨車進(jìn)行檢測時(shí)檢測人員容易出現(xiàn)疲勞而導(dǎo)致檢測效率低的問題。本發(fā)明獲取截?cái)嗳T部件圖像和不包含截?cái)嗳T部件的圖像，并對應(yīng)標(biāo)記，將正負(fù)樣本和標(biāo)記文件分為訓(xùn)練集和測試集；對訓(xùn)練集進(jìn)行HOG特征提取，并利用提取的特征圖及SVM進(jìn)行截?cái)嗳T部件特征模型的訓(xùn)練，通過訓(xùn)練好的模型定位出截?cái)嗳T具體位置，從截?cái)嗳T部件圖像中截取手把位置子圖像，并判斷手把位置子圖像中手把是否存在，存在手把即為截?cái)嗳T手把關(guān)閉故障，不存在手把則為正常。本發(fā)明用于截?cái)嗳T手把關(guān)閉故障檢測。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像檢測技術(shù)領(lǐng)域，具體涉及一種截?cái)嗳T手把關(guān)閉故障圖像識別方法。

背景技術(shù)

截?cái)嗳T手把是貨車運(yùn)行過程中制動系統(tǒng)的重要部件，位于貨車底部，它安裝在制動支管上，用來開通和關(guān)閉分配閥與列車管間壓力空氣通路，正常時(shí)手把處于開放位置，在相機(jī)拍攝的圖像上看不到手把，是藏在截?cái)嗳T部件后面。塞門在制動時(shí)手把必須打開，當(dāng)制動機(jī)發(fā)生故障時(shí)，為了截?cái)嘀苿又鞴艿膲嚎s空氣送風(fēng)通路才將其關(guān)閉。如果塞門手把關(guān)閉，導(dǎo)致制動管路不與主管路相通，此時(shí)貨車就喪失了制動能力，就不能起到制動的作用，容易引發(fā)嚴(yán)重的安全故障。

傳統(tǒng)的貨車故障檢測方式是動態(tài)檢車人員對所有過車圖像進(jìn)行一一查看，若發(fā)現(xiàn)部件異常，則進(jìn)行標(biāo)記并處理。這種檢車方式具有一定的局限性，需要檢車人員具有高度的責(zé)任心，熟練掌握車輛的構(gòu)造理論知識，熟知各部位常見故障形態(tài)及重要性，在人工檢車過程中，由于貨車底部區(qū)域較大，拍攝到的圖像較多，工作量很大，長時(shí)間工作會導(dǎo)致疲勞、檢車效率下降，因此通過圖像自動識別技術(shù)識別故障，能提高識別效率，降低人員成本，貨車運(yùn)行安全得到強(qiáng)有力的保證。

由于貨車車身底部區(qū)域較大，截?cái)嗳T部件相對整個(gè)底部區(qū)域占比較小，并且不同車型的截?cái)嗳T部件位置差異較大，不能從車廂底部圖像中直接提取出截?cái)嗳T子圖像，因此采用機(jī)器學(xué)習(xí)算法定位部件位置是關(guān)鍵，定位到部件的具體位置后才能繼續(xù)進(jìn)行手把故障的圖像判定，為了解決定位問題，采用近些年日趨成熟的圖像處理技術(shù)和機(jī)器學(xué)習(xí)算法對故障進(jìn)行檢測，節(jié)省人力、時(shí)間成本、提高了工作效率，促使鐵路安全運(yùn)行檢測系統(tǒng)更加完善，具有廣闊的應(yīng)用前景。

發(fā)明內(nèi)容

本發(fā)明的目的是為了現(xiàn)有技術(shù)中人工對貨車進(jìn)行檢測時(shí)檢測人員容易出現(xiàn)疲勞而導(dǎo)致檢測效率低的問題，而提出了一種截?cái)嗳T手把關(guān)閉故障圖像識別方法。

具體的，該方法包括：

步驟一、獲取截?cái)嗳T部件圖像和不包含截?cái)嗳T部件的圖像，以截?cái)嗳T部件圖像作為正樣本，標(biāo)記為1，不包含截?cái)嗳T部件的圖像作為負(fù)樣本，標(biāo)記為0，將正負(fù)樣本和對應(yīng)的標(biāo)記文件分為訓(xùn)練集和測試集；

步驟二、對步驟一中的訓(xùn)練集進(jìn)行歸一化處理，對歸一化處理后的訓(xùn)練集進(jìn)行HOG特征向量的提取；將提取的HOG特征向量輸入到SVM線性分類器中，利用SVM線性分類器訓(xùn)練截?cái)嗳T部件特征模型；

步驟三、確定待檢測的貨車是否存在截?cái)嗳T部件，若存在，則通過截?cái)嗳T部件特征模型定位出待檢測的截?cái)嗳T部件位置，獲得待檢測截?cái)嗳T部件圖像；從待檢測截?cái)嗳T部件圖像中截取手把位置子圖像，并判斷手把位置子圖像中手把是否存在，存在手把即為截?cái)嗳T手把關(guān)閉故障，不存在手把則為正常；具體過程為：歸一化手把位置子圖像，將歸一化后的手把位置子圖像分為多個(gè)子圖像塊；利用邊緣檢測算子計(jì)算子圖像塊的邊緣，進(jìn)而得到子圖像塊邊緣點(diǎn)的數(shù)量，若邊緣點(diǎn)數(shù)大于閾值，則認(rèn)為該子圖像塊復(fù)雜度高，標(biāo)記為1；子圖像塊標(biāo)記為1的數(shù)量不超過總子圖像塊數(shù)量的一半，則為正常。

可選的，步驟三還包括：若子圖像塊標(biāo)記為1的數(shù)量超過總子圖像塊數(shù)量的一半，則進(jìn)一步計(jì)算手把位置子圖像水平方向梯度，得到水平方向梯度圖，并計(jì)算梯度圖上邊界和下邊界的坐標(biāo)點(diǎn)，分別構(gòu)成上邊界坐標(biāo)點(diǎn)集合和下邊界坐標(biāo)點(diǎn)集合；分別對上邊界坐標(biāo)點(diǎn)集合和下邊界坐標(biāo)點(diǎn)集合進(jìn)行直線擬合，擬合出上下邊界兩條直線；若兩條線都存在，則存在手把上下邊界輪廓，則計(jì)算兩條直線間的夾角，若夾角在角度閾值范圍內(nèi)，判定為手把存在，即為手把關(guān)閉故障。