CN107576666A - 一种双光谱成像铁轨及扣件异常检测方法 - Google Patents
一种双光谱成像铁轨及扣件异常检测方法 Download PDFInfo
- Publication number
- CN107576666A CN107576666A CN201710949482.9A CN201710949482A CN107576666A CN 107576666 A CN107576666 A CN 107576666A CN 201710949482 A CN201710949482 A CN 201710949482A CN 107576666 A CN107576666 A CN 107576666A
- Authority
- CN
- China
- Prior art keywords
- image
- fastener
- rail
- thermal
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005856 abnormality Effects 0.000 title claims abstract description 29
- 238000003384 imaging method Methods 0.000 claims abstract description 72
- 238000001514 detection method Methods 0.000 claims abstract description 59
- 230000003287 optical effect Effects 0.000 claims abstract description 32
- 238000009740 moulding (composite fabrication) Methods 0.000 claims abstract description 19
- 238000005286 illumination Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims 2
- 230000002452 interceptive effect Effects 0.000 claims 1
- 229910052742 iron Inorganic materials 0.000 claims 1
- 230000013011 mating Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 208000037656 Respiratory Sounds Diseases 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000036548 skin texture Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开一种双光谱成像铁轨及扣件异常检测方法,属于铁路交通安全检测技术领域,用于解决现有技术难以实现铁轨及扣件异常检测的问题;本发明采用可见光摄像机和红外摄像机构成双光谱成像装置,对铁轨及扣件区域进行双光谱成像,分别获取铁轨及扣件纹理图像和红外热图像,采用纹理图像进行红外热图像中铁轨及扣件定位,采用背景模型比对进行扣件缺失、松动、断裂异常检测,共同使用纹理图像和红外热图像进行铁轨剥离、擦伤、波磨、裂纹检测;本发明可有效提升铁轨及扣件异常检测效率,保障轨道交通安全。
Description
技术领域
本发明涉及铁轨交通安全检测技术领域,特指一种双光谱成像铁轨及扣件异常检测方法。
背景技术
在铁路基础设施检测上,我国长期以人工和静态检测为主,养护费用高,强度高,安全性差,近年我国高速铁路迅猛发展,对铁路检测的自动化、实时性提出了更高的要求。国内外已有的铁轨及扣件检测技术为:基于线阵激光的连续扫描装置,如德国Sick公司;基于面阵图像传感器的计算机视觉检测装置,如美国ENSCO公司的VIS***、德国AtlasElectronic公司开发的光电式轨道检测***以及北京福斯达公司高速车载式轨道图像识别***等。但两者的缺点在于检测速度较低,通用性不高,有时需要过多人工干预,而且不能在扣件丢失之前自动判断扣件是否产生松动并进行预警。
经检索,专利Z.201210192641.2介绍一种基于红外热成像的铁路扣件松动高速探测***与方法:利用红外摄像机获取扣件与钢轨的接触应力产生的红外热图像,通过红外热图像灰度值,判断扣件是否松动或缺失。但是,该方法存在以下缺点:1)采用面阵红外摄像机,采集图像数据量大、扣件区域成像难以对齐,且面阵红外摄像机的成像分辨率低、设备成本高;2)直接利用红外图像测量的温度值与最小、最大应力值对应的温度值做比较的检测方法,在实际应用中还存在着两个问题:首先,在不同的列车运行速度下,扣件所受到的挤压力大小不同,所产生的热量也不同,因此,这种方法难以适应不同速度条件下扣件松动检测需求;其次,该方法不能检测扣件裂纹异常,也没有检测铁轨异常。
发明内容
为了解决现有铁轨及扣件松动检测方法所存在的上述问题,本发明提供一种双光谱成像铁轨及扣件异常检测方法。
本发明技术方案是:一种双光谱成像铁轨及扣件异常检测方法,其特征在于:采用可见光摄像机和红外摄像机构成双光谱成像装置,对铁轨及扣件区域进行双光谱成像,分别获取铁轨及扣件纹理图像和红外热图像,采用纹理图像进行红外热图像中铁轨及扣件定位,采用背景模型比对进行扣件缺失、松动、断裂异常检测,共同使用纹理图像和红外热图像进行铁轨剥离、擦伤、波磨、裂纹检测。
所述可见光摄像机和红外摄像机可选用线阵摄像机或面阵摄像机,优选地,可见光摄像机和红外摄像机选用线阵摄像机,其中,可见光线阵摄像机的成像分辨率不低于1024像素,光谱感知范围为400nm~1000nm,红外线阵摄像机的成像分辨率不低于1024像素,红外线阵摄像机的温度灵敏度不低于0.5℃。
所述可见光线阵摄像机和红外线阵摄像机位于铁轨正上方、光轴垂直于路面、成像切片垂直于铁轨纵向,拍摄视场覆盖铁轨及两侧扣件区域。
所述线阵摄像机成像切片是指:线阵摄像机中线阵图像传感器中成像区域与镜头光心构成的平面。
为保证拍摄的纹理图像和红外热图像是视场对齐的,可见光摄像机与红外摄像机通过同轴分光光路成像。
所述同轴分光光路是指:可见光线阵摄像机的光轴与红外线阵摄像机的成像切片垂直,红外线阵摄像机的光轴与可见光线阵摄像机的成像切片垂直,可见光线阵摄像机的光心到红外线阵摄像机成像切片的距离与红外线阵摄像机的光心到可见光线阵摄像机成像切片的距离相等,并且两个摄像机的成像角度相同、光轴相交;在可见光线阵摄像机成像切片与红外摄像机成像切片的交线处,设置一个二向色镜;二向色镜的分光面与可见光线阵摄像机成像切片和红外线阵摄像机成像切片的交线相切、与可见光线阵摄像机和红外线阵摄像机的光轴成45度角,用于将入射光线分离为可见与近红外混合光、中远红外光;当可见光线阵摄像机位于二向色镜的透射光路、红外线阵摄像机位于二向色镜的反射光路时,选用透可见与近红外混合光、反射中远红外光的二向色镜;当可见光线阵摄像机位于二向色镜的反射光路、红外线阵摄像机位于二向色镜的透射光路时,选用反射可见与近红外混合光、透射中远红外光的二向色镜。
优选地,在铁轨两侧扣件区域正上方各设置一个线光源,两个线光源的投射平面与可见光线阵摄像机的成像切片共面,为可见光线阵摄像机提供照明。
在铁轨正上方设置一个面光源,面光源照射方向与铁轨纵向成a角度入射,面光源照射区域覆盖可见光线阵摄像机在铁轨上的成像区域,与可见光线阵摄像机构成暗场照明,用于铁轨损伤成像,a角度取值范围为10~90度。
所述扣件上方的两个线光源与铁轨上方的面光源照射区域不重叠,以避免相互干扰。
优选地,线光源与面光源为平行光光源。
优选地,线光源和面光源选用相同波长的单波长或窄带光谱激光光源,光源波长范围为:400~1000nm,并在可见光线阵摄像机前端设置与线光源和面阵光源相同波长的窄带滤光片,用于滤除环境光干扰。
优选地,线光源与面光源选用近红外光源,波长范围为:800~950nm。
为实现对列车行驶过程中铁轨及扣件扫描成像,在列车车轮转轴上固定一个车轮编码器对车轮转动角度进行编码并产生脉冲触发信号,脉冲触发信号用于驱动可见光线阵摄像机和红外线阵摄像机对铁轨及扣件区域进行线阵成像扫描,获取铁轨及扣件区域纹理图像和红外热图像。
在实际使用中,分别在列车底部、左右铁轨上方,各设置一套由可见光线阵摄像机和红外线阵摄像机构成的双光谱成像装置,对左右铁轨及其两侧扣件区域进行扫描成像。
优选地,为在列车经过弯道时获取与铁轨长度一直的双光谱成像图像,在左右两侧车轮上各安装一个车轮转动编码器,分别驱动左右两侧双光谱成像装置。
本发明方法进行铁轨表面异常检测方法是:
步骤1:根据铁轨在纹理图像和红外热图像中成像位置,分割出铁轨表面纹理图像Iw和红外热图像Ig,Ig的大小为h1*w1,h1、w1的取值范围为:50~1000;
步骤2:建立铁轨表面红外热图像背景模型
把列车运行速度划分为n个等级L={l1,...,ln},n的取值范围为1~500,根据列车运行速度等级n,建立n组列车运行过程中正常铁轨红外热图像背景模型其中,背景模型是由第i等级列车运行速度下拍摄的k帧正常铁轨表面红外热图像训练得到,背景模型由2个h1*w1维的矩阵组成,其中,中元素是k帧正常铁轨表面红外热图像像素在时域的均值,是k帧正常铁轨表面红外热图像像素在时域的方差;
步骤3:进行铁轨表面温度异常检测
输入当前列车运动速度v和铁轨表面红外热图像
根据列车运行速度v计算速度等级lc,从背景模型中选取第lc个背景模型:执行背景差分操作,得到背景差分图像dg:
式中,dg(x,y)是背景差分图像dg的第x行、y列像素,x、y是图像横、纵坐标,x取值范围为1~h1,y的取值范围1~w1;
设置2幅标记图像F1 g,图像大小为h1*w1,图像中元素初始值为0;
当时,使F1(x,y)=1;
当时,使F2(x,y)=1;
其中,是检测阈值倍率系数,取值范围为0~100;
对图像F1 g,分别进行形态学滤波消除孤立噪声,并寻找图像F1 g,中取值为1的连通域;当图像F1 g或中存在面积大于T1的连通域时,判定铁轨表面存在异常,其中T1是检测阈值,取值范围为1~1000000000;
步骤4:基于铁轨纹理图像进行铁轨表面异常检测
对铁轨表面纹理图像进行二值化处理:将大于或等于阈值T2的像素置为1,小于阈值T2的像素置为0,得到二值化图像对二值化图像进行形态学滤波消除图像噪声,并寻找图像中取值为1的连通域;当图像中存在面积大于T2的连通区域时,判定铁轨表面存在异常,其中T2是检测阈值,取值范围为1~1000000000;
步骤5:基于铁轨纹理二值化图像和红外热图像进行铁轨表面异常分类
对步骤3和步骤4中检测的连通域进行合并操作,并计算合并后连通域的最大外接矩形R;计算F1 g,中R区域内连通域的长宽比、质心、主轴方向、面积,构成特征向量V1;对红外热图像R区域中像素提取直方图,构成特征向量V2;分别对V1、V2进行归一化处理后,并与获取当前红外热图像列车行驶速度v作为铁轨表面异常分类特征量V'={v,V1,V2};然后,采集铁轨表面异常正负样本,训练分类器模型,采用分类方法判定铁轨表面异常类别。
进行扣件异常检测的方法是:
步骤1:根据扣件在纹理图像和红外热图像中成像区域,分割出铁轨表面纹理图像和红外热图像;
步骤2:采用纹理图像进行红外热图像中扣件定位:采用图像模板匹配方法,在扣件纹理图像中找到扣件感兴趣区域(Regionofinteresting,ROI);基于该ROI在红外热图像定位扣件区域,取出扣件区域红外热图像Ik,红外热图像Ik的尺寸为h2*w2,h2、w2的取值范围为:50~1000;
步骤3:建立扣件红外热图像背景模型
把列车运行速度划分为n个等级L={l1,...,ln},n的取值范围为1~500,根据列车运行速度等级n,建立n组列车运行过程中正常扣件红外热图像背景模型其中,背景模型是由第i等级列车运行速度下拍摄的k帧正常扣件红外热图像训练得到,扣件区域红外热图像大小为h2*w2,背景模型由2个h2*w2维的矩阵组成,其中,中元素是k帧正常扣件红外热图像像素在时域的均值,是k帧正常扣件红外热图像像素在时域的方差;
步骤4:执行背景差分检测
输入当前列车运动速度v和扣件红外热图像
根据列车运行速度v计算速度等级lc,从背景模型中选取第lc个背景模型:执行背景差分操作,得到背景差分图像dk:
式中,dk(x,y)是背景差分图像dk的第x行、y列像素,x、y是图像横、纵坐标,x取值范围为1~h2,y的取值范围1~w2;
设置三幅标记图像F1 k,图像大小为h2*w2,图像中元素初始值为0;
当时,使F1 k(x,y)=1;
当时,使
当时,使
其中,ω1,ω2,ω3是检测阈值倍率系数,取值范围为0~100;
步骤5:执行异常扣件检测
对图像F1 k,分别进行图像腐蚀、膨胀操作,消除图像中孤立噪声后,寻找图像中取值为1的连通域;当图像F1 k或中存在面积大于T3的连通域时,判定扣件存在异常,其中T3是检测阈值,取值范围为1~1000000000;
当图像中存在面积大于T4的连通区域、且在图像中不存在面积大于T5的连通区域、在图像中不存在面积大于T6的连通区域时,判定扣正常;
当图像中存在面积大于T5的连通区域、且在图像中不存在面积大于T4的连通区域时,判定扣件缺失;
当图像F1 k中存在面积大于T5的连通区域、且在图像中存在面积大于T4的连通区域时,判定扣件松动;
当图像中存在面积大于T8的连通区域并且在图像中存在面积大于T4的连通区域时,判定扣件出现裂纹,其中T4、T5、T6、T7、T8是检测阈值,取值范围为1~1000000000。
本发明有益效果:与现有技术相比,特别是与专利Z.201210192641.2相比,本发明的优点是:1)采用双光谱成像方法,同时获取铁轨及扣件表面纹理图像和红外热图像,利用纹理图像对红外图像进行检测区域定位,特别是扣件区域进行定位,以便于对扣件区域的红外图像进行精细化对比分析;2)在对铁轨进行可见光线阵摄像机扫描成像时,采用斜向入射的平行光源,与可见光摄像机构成暗场照明,可以突出显示铁轨表面波磨、裂纹、剥落等损伤,提升铁轨表面损伤检测能力;3)采用线阵红外摄像机代替面阵摄像机,可采用1024像素的红外线阵摄像机,获取高分辨率红外热图像,相比640*480分辨率的面阵红外摄像机,成像分辨率更高、成本低、拍摄图像数据量少;4)线阵红外摄像机成像平面垂直于铁轨和路面,拍摄对象在线阵图像中具有相同宽度尺寸(垂直于铁轨方向上宽度),而面阵红外摄像机存在透射投影变形,在不同位置处拍摄的扣件区域尺寸不同,为了保证扣件在面阵红外摄像机拍摄图像中具有相同尺寸,必须精准控制摄像机在扣件正上方拍摄,而使成像控制***变得复杂,而采用线阵红外摄像机则只需要采用车轮编码器,沿着铁轨方向扫描即可,这种成像控制方法具有简单、可靠的优点;5)根据扣件在铁轨反复挤压下、容易在裂纹处产生应力集中,并表现出高于正常扣件温度的现象,相比专利Z.201210192641.2中直接利用红外热图像灰度值进行判定的方法,本发明采用背景模型比对方法,不但可以检测扣件是否丢失或松动,而且可以检测出扣件中是否存在裂纹;5)本发明采用列车运行速度分级的背景模型比对方法,可有效提升铁轨及扣件异常检测可靠性,特别是可用于扣件裂纹检测;6)本发明所采用同轴分光成像方法,可以保证双光谱图像是对齐的。
附图说明
图1本发明方法原理图;
图2双光谱面阵成像装置示意图;
图3可见光面阵摄像机前端设置滤光片示意图;
图4光源照明及双光谱面阵成像装置安装示意图
其中,(a)是铁轨横截面方向布局图,(b)是铁轨纵向侧视图;
图5正常铁轨表面暗场照明成像示意图;
图6铁轨表面缺陷暗场照明成像示意图;
图7双光谱线阵成像装置示意图;
图8双光谱线阵成像及光源照明区域俯视图;
图9双光谱线阵成像装置列车安装示意图;
图中,1-铁轨,2-扣件,3-可见光面阵摄像机,4-红外面阵摄像机,5-二向色镜,6-可见光、近红外和中远红外混合光,7-可见光与近红外混合光,8-中远红外光,9-滤光片,10-平行光面光源,11-双光谱面阵成像装置,12-铁轨表面缺陷,13-可见光线阵摄像机,14-红外线阵摄像机,15平行光面光源照明区域,16-平行光线光源照明区域;17-双光谱线阵成像装置成像区域,18-双光谱线阵成像装置,19-车轮转动编码器,20-工控机,21-车厢。
具体实施方式
下面结合附图和具体实施对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本发明采用双光谱成像装置,对铁轨及扣件区域进行双光谱成像,分别获取铁轨及扣件纹理图像和红外热图像;利用纹理图像进行红外热图像中铁轨及扣件定位,采用背景模型比对进行扣件缺失、松动、断裂异常检测,共同使用纹理图像和红外热图像进行铁轨剥离、擦伤、波磨、裂纹检测。
实施例1
如图2所示,采用一台可见光面阵摄像机3、一台红外面阵摄像机4构成双光谱面阵成像装置11,其中,可见光面阵摄像机3与红外面阵摄像机4的光轴垂直,在可见光面阵摄像机的光轴上设置二向色镜5,二向色镜5的分光面与可见光面阵摄相机3和红外面阵摄像机4的光轴分别成45度角;二向色镜5将入射的可见、近红外和中远红外混合光6分离为可见光与近红外混合光7和中远红外光8,分别进入可见光面阵摄像机3和红外摄像机4,用于获取双光谱图像;调节可见光面阵摄像机3、红外面阵摄像机4到二向色镜5分光面的距离和角度,使可见光面阵摄像机3拍摄图像与红外面阵摄像机4拍摄图像视场重合;其中可见光面阵摄像机3的分辨率为100万像素,红外面阵摄像机4的分辨率为640*480像素;将上述基于可见光面阵摄像机3、红外面阵摄像机4构成的双光谱面阵成像装置11固定在铁轨1上方,使双光谱成像视场完全覆盖铁轨1及扣件2区域,用于获取铁轨1及扣件2表面纹理图像和红外热图像。
实施例2
与实施例1不同之处在于,在双光谱面阵成像装置11旁设置照明光源,光源投射到铁轨1及扣件2区域,光源波长为800nm,如图3所示,在可见光摄像机前端设置800nm的窄带滤光片9,以消除环境光干扰和获取亮度一致的铁轨及扣件表面纹理图像。
实施例3
与实施例2不同之处在于,如图4所示,在双光谱面阵成像装置11旁设置3个平行光面光源10,其中2个平行光面光源10-1、10-2位于铁轨两侧扣件2区域正上方,1个平行光面光源10-3斜向入射到铁轨1上,入射方向与铁轨1纵向的夹角为20度,3个光源照射区域不重叠。
如图5所示,当平行面光源10-3斜向入射铁轨1时,与可见光面阵摄像机3之间构成暗场照明***;当铁轨表面未出现波磨、剥离、裂纹等损伤时,光源10-3的平行光到达铁轨表面后,多数光线能量以镜面反射方式射出,无法进入可见光面阵摄像机3,因而在铁轨区域成像很暗;如图6所示,当铁轨表面出现波磨、剥离、裂纹等损伤时,因铁轨表面缺陷12的反射角度与铁轨平面不同,投射到缺陷位置处光线会进入可见光面阵摄像机形成明亮区域。因此,可以利用这种暗场照明方式,实现铁轨表面缺陷突出显示。
实施例4
与实施例3不同之处在于,如图7所示,采用可见光线阵摄像机13代替可见光面阵摄像机3,采用红外线阵摄像机14代替红外面阵摄像机4,构成双光谱线阵成像装置18;采用平行光线光源代替2个平行光面光源10-1、10-2,为可见光线阵摄像机13提供照明;其中,可见光线阵摄像机13的分辨率为2048像素,行频为100KHz,红外线阵摄像机14的分辨率为1024像素,行频为100KHz;可见光线阵摄像机13的成像区域与红外线阵摄像机14的成像区域重合;如图8所示,2个平行光线光源照射区域16、平行光面光源照射区域15,分别位于扣件2和铁轨1上方,并完全覆盖双光谱线阵成像装置18的成像区域17。
如图7所示,在车轮上安装车轮转动编码器19,对车轮转动角度编码和产生触发脉冲信号,所产生的触发脉冲信号用于驱动可见光线阵摄像机13和红外线阵摄像机14对铁轨和扣件区域进行扫描成像;并通过放置在车厢21内的工控机20完成图像数据采集。
实施例5
与实施例4不同之处在于,采用两个车轮转动编码器19分别对左右车轮转动角度进行编码和产生触发脉冲,用于驱动左右两侧双光谱线阵成像装置18-1、18-2。
实施例6
按下列方法进行铁轨表面异常检测:
步骤1:根据铁轨在纹理图像和红外热图像中成像位置,分割出铁轨表面纹理图像Iw和红外热图像Ig,Ig的大小为h1*w1,h1、w1的取值范围为:50~1000;
步骤2:建立铁轨表面红外热图像背景模型
把列车运行速度划分为n个等级L={l1,...,ln},n的取值范围为1~500,根据列车运行速度等级n,建立n组列车运行过程中正常铁轨红外热图像背景模型其中,背景模型是由第i等级列车运行速度下拍摄的k帧正常铁轨表面红外热图像训练得到,背景模型由2个h1*w1维的矩阵组成,其中,中元素是k帧正常铁轨表面红外热图像像素在时域的均值,是k帧正常铁轨表面红外热图像像素在时域的方差;
步骤3:进行铁轨表面温度异常检测
输入当前列车运动速度v和铁轨表面红外热图像
根据列车运行速度v计算速度等级lc,从背景模型中选取第lc个背景模型:执行背景差分操作,得到背景差分图像dg:
式中,dg(x,y)是背景差分图像dg的第x行、y列像素,x、y是图像横、纵坐标,x取值范围为1~h1,y的取值范围1~w1;
设置2幅标记图像F1 g,图像大小为h1*w1,图像中元素初始值为0;
当时,使F1(x,y)=1;
当时,使F2(x,y)=1;
其中,是检测阈值倍率系数,取值范围为0~100;
对图像F1 g,分别进行形态学滤波消除孤立噪声,并寻找图像F1 g,中取值为1的连通域;当图像F1 g或中存在面积大于T1的连通域时,判定铁轨表面存在异常,其中T1是检测阈值,取值范围为1~1000000000;
步骤4:基于铁轨纹理图像进行铁轨表面异常检测
对铁轨表面纹理图像进行二值化处理:将大于或等于阈值T2的像素置为1,小于阈值T2的像素置为0,得到二值化图像对二值化图像进行形态学滤波消除图像噪声,并寻找图像中取值为1的连通域;当图像中存在面积大于T2的连通区域时,判定铁轨表面存在异常,其中T2是检测阈值,取值范围为1~1000000000;
步骤5:基于铁轨纹理二值化图像和红外热图像进行铁轨表面异常分类
对步骤3和步骤4中检测的连通域进行合并操作,并计算合并后连通域的最大外接矩形R;计算F1 g,中R区域内连通域的长宽比、质心、主轴方向、面积,构成特征向量V1;对红外热图像R区域中像素提取直方图,构成特征向量V2;分别对V1、V2进行归一化处理后,并与获取当前红外热图像列车行驶速度v作为铁轨表面异常分类特征量V'={v,V1,V2};然后,采集铁轨表面异常正负样本,训练分类器模型,采用分类方法判定铁轨表面异常类别。
实施例7
采用下述方法进行扣件异常检测:
步骤1:根据扣件在纹理图像和红外热图像中成像区域,分割出铁轨表面纹理图像和红外热图像;
步骤2:采用纹理图像进行红外热图像中扣件定位:采用图像模板匹配方法,在扣件纹理图像中找到扣件感兴趣区域(Regionofinteresting,ROI);基于该ROI在红外热图像定位扣件区域,取出扣件区域红外热图像Ik,红外热图像Ik的尺寸为h2*w2,h2、w2的取值范围为:50~1000;
步骤3:建立扣件红外热图像背景模型
把列车运行速度划分为n个等级L={l1,...,ln},n的取值范围为1~500,根据列车运行速度等级n,建立n组列车运行过程中正常扣件红外热图像背景模型其中,背景模型是由第i等级列车运行速度下拍摄的k帧正常扣件红外热图像训练得到,扣件区域红外热图像大小为h2*w2,背景模型由2个h2*w2维的矩阵组成,其中,中元素是k帧正常扣件红外热图像像素在时域的均值,是k帧正常扣件红外热图像像素在时域的方差;
步骤4:执行背景差分检测
输入当前列车运动速度v和扣件红外热图像
根据列车运行速度v计算速度等级lc,从背景模型中选取第lc个背景模型:执行背景差分操作,得到背景差分图像dk:
式中,dk(x,y)是背景差分图像dk的第x行、y列像素,x、y是图像横、纵坐标,x取值范围为1~h2,y的取值范围1~w2;
设置三幅标记图像F1 k,图像大小为h2*w2,图像中元素初始值为0;
当时,使F1 k(x,y)=1;
当时,使
当时,使
其中,ω1,ω2,ω3是检测阈值倍率系数,取值范围为0~100;
步骤5:执行异常扣件检测
对图像F1 k,分别进行图像腐蚀、膨胀操作,消除图像中孤立噪声后,寻找图像F1 k,中取值为1的连通域;当图像F1 k或中存在面积大于T3的连通域时,判定扣件存在异常,其中T3是检测阈值,取值范围为1~1000000000;
当图像中存在面积大于T4的连通区域、且在图像F1 k中不存在面积大于T5的连通区域、在图像中不存在面积大于T6的连通区域时,判定扣正常;
当图像中存在面积大于T5的连通区域、且在图像中不存在面积大于T4的连通区域时,判定扣件缺失;
当图像中存在面积大于T5的连通区域、且在图像中存在面积大于T4的连通区域时,判定扣件松动;
当图像中存在面积大于T8的连通区域并且在图像中存在面积大于T4的连通区域时,判定扣件出现裂纹,其中T4、T5、T6、T7、T8是检测阈值,取值范围为1~1000000000。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应该被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (8)
1.一种双光谱成像铁轨及扣件异常检测方法,其特征是:采用可见光摄像机和红外摄像机构成双光谱成像装置,对铁轨及扣件区域进行双光谱成像,分别获取铁轨及扣件纹理图像和红外热图像,采用纹理图像进行红外热图像中铁轨及扣件定位,采用背景模型比对进行扣件缺失、松动、断裂异常检测,共同使用纹理图像和红外热图像进行铁轨剥离、擦伤、波磨、裂纹检测。
2.根据权利要求1所述的双光谱成像铁轨及扣件异常检测方法,其特征是:可见光摄像机和红外摄像机可选用线阵摄像机或面阵摄像机;
优选地,可见光摄像机和红外摄像机选用线阵摄像机,其中,可见光线阵摄像机的成像分辨率不低于1024像素,光谱感知范围为400nm~1000nm,红外线阵摄像机的成像分辨率不低于1024像素,红外线阵摄像机的温度灵敏度不低于0.5℃;
所述可见光线阵摄像机和红外线阵摄像机位于铁轨正上方、光轴垂直于路面、成像切片垂直于铁轨纵向,拍摄视场覆盖铁轨及两侧扣件区域;
所述线阵摄像机成像切片是指:线阵摄像机中线阵图像传感器中成像区域与镜头光心构成的平面。
3.根据权利要求1和2所述的双光谱成像铁轨及扣件异常检测方法,其特征是:为保证拍摄纹理图像和红外热图像是视场对齐的,可见光摄像机与红外摄像机通过同轴分光光路成像;所述同轴分光光路是指:可见光线阵摄像机的光轴与红外线阵摄像机的成像切片垂直,红外线阵摄像机的光轴与可见光线阵摄像机的成像切片垂直,可见光线阵摄像机的光心到红外线阵摄像机成像切片的距离与红外线阵摄像机的光心到可见光线阵摄像机成像切片的距离相等,并且两个摄像机的成像角度相同、光轴相交;在可见光线阵摄像机成像切片与红外摄像机成像切片的交线处,设置一个二向色镜;二向色镜的分光面与可见光线阵摄像机成像切片与红外线阵摄像机成像切片的交线相切、与可见光线阵摄像机和红外线阵摄像机的光轴成45度角,用于将入射光线分离为可见与近红外混合光、中远红外光;当可见光线阵摄像机位于二向色镜的透射光路、红外线阵摄像机位于二向色镜的反射光路时,选用透可见与近红外混合光、反射中远红外光的二向色镜;当可见光线阵摄像机位于二向色镜的反射光路、红外线阵摄像机位于二向色镜的透射光路时,选用反射可见与近红外混合光、透射中远红外光的二向色镜。
4.根据权利要求1~3所述的双光谱成像铁轨及扣件异常检测方法,其特征是:在铁轨两侧扣件区域正上方各设置一个线光源,两个线光源的投射平面与可见光线阵摄像机的成像切片共面,为可见光线阵摄像机提供照明;在铁轨正上方设置一个面光源,面光源照射方向与铁轨纵向成a角度入射,面光源照射区域覆盖可见光线阵摄像机在铁轨上的成像区域,与可见光线阵摄像机构成暗场照明,用于铁轨损伤成像,a角度取值范围为10~90度;所述扣件上方的两个线光源与铁轨上方的面光源照射区域不重叠,以避免相互干扰;
优选地,线光源与面光源为平行光光源;
优选地,线光源和面光源选用相同波长的单波长或窄带光谱激光光源,光源波长范围为:400~1000nm,并在可见光线阵摄像机前端设置与线光源和面阵光源相同波长的窄带滤光片,用于滤除环境光干扰。
5.根据权利要求4所述的双光谱成像铁轨及扣件异常检测方法,其特征是:线光源与面光源选用近红外光源,波长范围为:800~950nm,并在可见光线阵摄像机前端设置与光源波长相同的近红外光窄带滤光片。
6.根据权利要求2所述的双光谱成像铁轨及扣件异常检测方法,其特征是:为实现对列车行驶过程中铁轨及扣件扫描成像,在列车车轮转轴上固定一个车轮编码器对车轮转动角度进行编码并产生脉冲触发信号,脉冲触发信号用于驱动可见光线阵摄像机和红外线阵摄像机对铁轨及扣件区域进行线阵成像扫描,获取铁轨及扣件区域纹理图像和红外热图像;在实际使用中,分别在列车底部、左右铁轨上方,各设置一套由可见光线阵摄像机和红外线阵摄像机构成的双光谱成像装置,对左右铁轨及其两侧扣件区域进行扫描成像;
优选地,为在列车经过弯道时获取与铁轨长度一直的双光谱成像图像,在左右两侧车轮上各安装一个车轮转动编码器,分别驱动左右两侧双光谱成像装置。
7.根据权利要求1~6所述的双光谱成像铁轨及扣件异常检测方法,其特征是:进行铁轨表面异常检测方法是:
步骤1:根据铁轨在纹理图像和红外热图像中成像位置,分割出铁轨表面纹理图像Iw和红外热图像Ig,Ig的大小为h1*w1,h1、w1的取值范围为:50~1000;
步骤2:建立铁轨表面红外热图像背景模型
把列车运行速度划分为n个等级L={l1,...,ln},n的取值范围为1~500,根据列车运行速度等级n,建立n组列车运行过程中正常铁轨红外热图像背景模型其中,背景模型是由第i等级列车运行速度下拍摄的k帧正常铁轨表面红外热图像训练得到,背景模型由2个h1*w1维的矩阵组成,其中,中元素是k帧正常铁轨表面红外热图像像素在时域的均值,是k帧正常铁轨表面红外热图像像素在时域的方差;
步骤3:进行铁轨表面温度异常检测
输入当前列车运动速度v和铁轨表面红外热图像
根据列车运行速度v计算速度等级lc,从背景模型中选取第lc个背景模型:执行背景差分操作,得到背景差分图像dg:
<mrow>
<msup>
<mi>d</mi>
<mi>g</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>I</mi>
<mi>c</mi>
<mi>g</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>&mu;</mi>
<msub>
<mi>l</mi>
<mi>c</mi>
</msub>
<mi>g</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,dg(x,y)是背景差分图像dg的第x行、y列像素,x、y是图像横、纵坐标,x取值范围为1~h1,y的取值范围1~w1;
设置2幅标记图像F1 g,图像大小为h1*w1,图像中元素初始值为0;
当时,使F1(x,y)=1;
当时,使F2(x,y)=1;
其中,是检测阈值倍率系数,取值范围为0~100;
对图像F1 g,分别进行形态学滤波消除孤立噪声,并寻找图像F1 g,中取值为1的连通域;当图像F1 g或中存在面积大于T1的连通域时,判定铁轨表面存在异常,其中T1是检测阈值,取值范围为1~1000000000;
步骤4:基于铁轨纹理图像进行铁轨表面异常检测
对铁轨表面纹理图像进行二值化处理:将大于或等于阈值T2的像素置为1,小于阈值T2的像素置为0,得到二值化图像对二值化图像进行形态学滤波消除图像噪声,并寻找图像中取值为1的连通域;当图像中存在面积大于T2的连通区域时,判定铁轨表面存在异常,其中T2是检测阈值,取值范围为1~1000000000;
步骤5:基于铁轨纹理二值化图像和红外热图像进行铁轨表面异常分类
对步骤3和步骤4中检测的连通域进行合并操作,并计算合并后连通域的最大外接矩形R;计算F1 g,中R区域内连通域的长宽比、质心、主轴方向、面积,构成特征向量V1;对红外热图像R区域中像素提取直方图,构成特征向量V2;分别对V1、V2进行归一化处理后,并与获取当前红外热图像列车行驶速度v作为铁轨表面异常分类特征量V'={v,V1,V2};然后,采集铁轨表面异常正负样本,训练分类器模型,采用分类方法判定铁轨表面异常类别。
8.根据权利要求1~6所述的双光谱成像铁轨及扣件异常检测方法,其特征是:进行扣件异常检测的方法是:
步骤1:根据扣件在纹理图像和红外热图像中成像区域,分割出铁轨表面纹理图像和红外热图像;
步骤2:采用纹理图像进行红外热图像中扣件定位:采用图像模板匹配方法,在扣件纹理图像中找到扣件感兴趣区域(Region ofinteresting,ROI);基于该ROI在红外热图像定位扣件区域,取出扣件区域红外热图像Ik,红外热图像Ik的尺寸为h2*w2,h2、w2的取值范围为:50~1000;
步骤3:建立扣件红外热图像背景模型
把列车运行速度划分为n个等级L={l1,...,ln},n的取值范围为1~500,根据列车运行速度等级n,建立n组列车运行过程中正常扣件红外热图像背景模型其中,背景模型是由第i等级列车运行速度下拍摄的k帧正常扣件红外热图像训练得到,扣件区域红外热图像大小为h2*w2,背景模型由2个h2*w2维的矩阵组成,其中,中元素是k帧正常扣件红外热图像像素在时域的均值,是k帧正常扣件红外热图像像素在时域的方差;
步骤4:执行背景差分检测
输入当前列车运动速度v和扣件红外热图像
根据列车运行速度v计算速度等级lc,从背景模型中选取第lc个背景模型:执行背景差分操作,得到背景差分图像dk:
<mrow>
<msup>
<mi>d</mi>
<mi>k</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>I</mi>
<mi>c</mi>
<mi>k</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>&mu;</mi>
<msub>
<mi>l</mi>
<mi>c</mi>
</msub>
<mi>k</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,dk(x,y)是背景差分图像dk的第x行、y列像素,x、y是图像横、纵坐标,x取值范围为1~h2,y的取值范围1~w2;
设置三幅标记图像F1 k,图像大小为h2*w2,图像中元素初始值为0;
当时,使F1 k(x,y)=1;
当时,使
当时,使
其中,ω1,ω2,ω3是检测阈值倍率系数,取值范围为0~100;
步骤5:执行异常扣件检测
对图像F1 k,分别进行图像腐蚀、膨胀操作,消除图像中孤立噪声后,寻找图像F1 k,中取值为1的连通域;当图像F1 k或中存在面积大于T3的连通域时,判定扣件存在异常,其中T3是检测阈值,取值范围为1~1000000000;
当图像中存在面积大于T4的连通区域、且在图像F1 k中不存在面积大于T5的连通区域、在图像中不存在面积大于T6的连通区域时,判定扣正常;
当图像F1 k中存在面积大于T5的连通区域、且在图像中不存在面积大于T4的连通区域时,判定扣件缺失;
当图像F1 k中存在面积大于T5的连通区域、且在图像中存在面积大于T4的连通区域时,判定扣件松动;
当图像中存在面积大于T8的连通区域并且在图像中存在面积大于T4的连通区域时,判定扣件出现裂纹,其中T4、T5、T6、T7、T8是检测阈值,取值范围为1~1000000000。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710949482.9A CN107576666A (zh) | 2017-10-13 | 2017-10-13 | 一种双光谱成像铁轨及扣件异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710949482.9A CN107576666A (zh) | 2017-10-13 | 2017-10-13 | 一种双光谱成像铁轨及扣件异常检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107576666A true CN107576666A (zh) | 2018-01-12 |
Family
ID=61037026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710949482.9A Pending CN107576666A (zh) | 2017-10-13 | 2017-10-13 | 一种双光谱成像铁轨及扣件异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107576666A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108318263A (zh) * | 2018-01-30 | 2018-07-24 | 中道恒通(北京)科技有限公司 | 一种机车振动状态监测*** |
CN108344738A (zh) * | 2018-01-22 | 2018-07-31 | 翰飞骏德(北京)医疗科技有限公司 | 用于羟磷灰石的成像方法及其装置 |
CN108596968A (zh) * | 2018-04-02 | 2018-09-28 | 成都精工华耀科技有限公司 | 一种基于轨道3d深度图像的轨枕计数方法 |
CN108846824A (zh) * | 2018-04-02 | 2018-11-20 | 成都精工华耀科技有限公司 | 一种基于梯度投影的线阵扫描图像轨枕定位及计数方法 |
CN109187560A (zh) * | 2018-10-12 | 2019-01-11 | 成都精工华耀科技有限公司 | 一种低功耗轨道二维与三维融合成像*** |
CN109283188A (zh) * | 2018-10-12 | 2019-01-29 | 成都精工华耀科技有限公司 | 一种轨道可视化巡检二维与三维一体化成像*** |
CN109360236A (zh) * | 2018-10-26 | 2019-02-19 | 郑州轻工业学院 | 一种向日葵花盘尺寸测量方法 |
CN109636789A (zh) * | 2018-12-13 | 2019-04-16 | 银河水滴科技(北京)有限公司 | 基于图像分割的轨道扣件的零件缺失检测方法及装置 |
CN109916912A (zh) * | 2019-04-01 | 2019-06-21 | 北京通运腾达科技发展有限公司 | 一种铁轨扣件病害检测方法及*** |
CN110567680A (zh) * | 2018-06-05 | 2019-12-13 | 成都精工华耀科技有限公司 | 一种基于角度比对的轨道扣件松动检测方法 |
CN110567397A (zh) * | 2018-06-05 | 2019-12-13 | 成都精工华耀科技有限公司 | 一种扣件弹舌离缝检测方法 |
CN110634121A (zh) * | 2018-06-05 | 2019-12-31 | 成都精工华耀科技有限公司 | 一种基于纹理与深度图像的轨道扣件紧固件松动检测方法 |
CN110632121A (zh) * | 2018-06-05 | 2019-12-31 | 波音公司 | 用于轨道车车轴的动态高速无损评估 |
CN110961289A (zh) * | 2019-12-09 | 2020-04-07 | 国网智能科技股份有限公司 | 一种变电站绝缘子防污闪涂料喷涂工具及喷涂方法 |
CN111062920A (zh) * | 2019-12-13 | 2020-04-24 | 北京百度网讯科技有限公司 | 用于生成半导体检测报告的方法及装置 |
CN111256841A (zh) * | 2020-03-26 | 2020-06-09 | 深圳市永达电子信息股份有限公司 | 一种轨道状态的检测方法及其检测*** |
JP2021518826A (ja) * | 2018-09-10 | 2021-08-05 | メル・メック・ソチエタ・ペル・アツィオーニMer Mec S.P.A. | 鉄道設備の不具合を検出する装置及び方法 |
CN115063416A (zh) * | 2022-08-08 | 2022-09-16 | 苏州立创致恒电子科技有限公司 | 一种铁轨扣件状态检测方法及*** |
CN116109638A (zh) * | 2023-04-13 | 2023-05-12 | 中铁四局集团有限公司 | 一种钢轨折断检测方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6556945B1 (en) * | 1997-05-26 | 2003-04-29 | Stn Atlas Elektronik Gmbh | Measurement of grooves and long waves on rails with a longitudinal streak of light |
CN101142462A (zh) * | 2004-06-30 | 2008-03-12 | 乔治敦铁轨设备公司 | 用于检查铁路轨道的***和方法 |
CN102507587A (zh) * | 2011-09-20 | 2012-06-20 | 株洲南车时代电气股份有限公司 | 巡视检测***及方法 |
CN102721700A (zh) * | 2012-06-12 | 2012-10-10 | 上海交通大学 | 基于红外热成像的铁路扣件松动高速探测***与方法 |
CN103534581A (zh) * | 2011-03-21 | 2014-01-22 | 费德罗-莫格尔公司 | 多光谱成像***及其表面检测方法 |
CN205262989U (zh) * | 2015-12-16 | 2016-05-25 | 深圳大学 | 一种铁轨联接件缺陷检测装置 |
-
2017
- 2017-10-13 CN CN201710949482.9A patent/CN107576666A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6556945B1 (en) * | 1997-05-26 | 2003-04-29 | Stn Atlas Elektronik Gmbh | Measurement of grooves and long waves on rails with a longitudinal streak of light |
CN101142462A (zh) * | 2004-06-30 | 2008-03-12 | 乔治敦铁轨设备公司 | 用于检查铁路轨道的***和方法 |
CN103534581A (zh) * | 2011-03-21 | 2014-01-22 | 费德罗-莫格尔公司 | 多光谱成像***及其表面检测方法 |
CN102507587A (zh) * | 2011-09-20 | 2012-06-20 | 株洲南车时代电气股份有限公司 | 巡视检测***及方法 |
CN102721700A (zh) * | 2012-06-12 | 2012-10-10 | 上海交通大学 | 基于红外热成像的铁路扣件松动高速探测***与方法 |
CN205262989U (zh) * | 2015-12-16 | 2016-05-25 | 深圳大学 | 一种铁轨联接件缺陷检测装置 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108344738A (zh) * | 2018-01-22 | 2018-07-31 | 翰飞骏德(北京)医疗科技有限公司 | 用于羟磷灰石的成像方法及其装置 |
CN108318263A (zh) * | 2018-01-30 | 2018-07-24 | 中道恒通(北京)科技有限公司 | 一种机车振动状态监测*** |
CN108596968A (zh) * | 2018-04-02 | 2018-09-28 | 成都精工华耀科技有限公司 | 一种基于轨道3d深度图像的轨枕计数方法 |
CN108846824A (zh) * | 2018-04-02 | 2018-11-20 | 成都精工华耀科技有限公司 | 一种基于梯度投影的线阵扫描图像轨枕定位及计数方法 |
CN108846824B (zh) * | 2018-04-02 | 2022-05-17 | 成都精工华耀科技有限公司 | 一种基于梯度投影的线阵扫描图像轨枕定位及计数方法 |
CN108596968B (zh) * | 2018-04-02 | 2022-04-19 | 成都精工华耀科技有限公司 | 一种基于轨道3d深度图像的轨枕计数方法 |
CN110567680B (zh) * | 2018-06-05 | 2022-03-29 | 成都精工华耀科技有限公司 | 一种基于角度比对的轨道扣件松动检测方法 |
CN110634121A (zh) * | 2018-06-05 | 2019-12-31 | 成都精工华耀科技有限公司 | 一种基于纹理与深度图像的轨道扣件紧固件松动检测方法 |
CN110632121A (zh) * | 2018-06-05 | 2019-12-31 | 波音公司 | 用于轨道车车轴的动态高速无损评估 |
CN110567680A (zh) * | 2018-06-05 | 2019-12-13 | 成都精工华耀科技有限公司 | 一种基于角度比对的轨道扣件松动检测方法 |
CN110567397A (zh) * | 2018-06-05 | 2019-12-13 | 成都精工华耀科技有限公司 | 一种扣件弹舌离缝检测方法 |
JP2021518826A (ja) * | 2018-09-10 | 2021-08-05 | メル・メック・ソチエタ・ペル・アツィオーニMer Mec S.P.A. | 鉄道設備の不具合を検出する装置及び方法 |
JP7165745B2 (ja) | 2018-09-10 | 2022-11-04 | メル・メック・ソチエタ・ペル・アツィオーニ | 鉄道設備の不具合を検出する装置 |
CN109283188A (zh) * | 2018-10-12 | 2019-01-29 | 成都精工华耀科技有限公司 | 一种轨道可视化巡检二维与三维一体化成像*** |
CN109187560A (zh) * | 2018-10-12 | 2019-01-11 | 成都精工华耀科技有限公司 | 一种低功耗轨道二维与三维融合成像*** |
CN109360236A (zh) * | 2018-10-26 | 2019-02-19 | 郑州轻工业学院 | 一种向日葵花盘尺寸测量方法 |
CN109360236B (zh) * | 2018-10-26 | 2022-05-17 | 郑州轻工业学院 | 一种向日葵花盘尺寸测量方法 |
CN109636789A (zh) * | 2018-12-13 | 2019-04-16 | 银河水滴科技(北京)有限公司 | 基于图像分割的轨道扣件的零件缺失检测方法及装置 |
CN109916912A (zh) * | 2019-04-01 | 2019-06-21 | 北京通运腾达科技发展有限公司 | 一种铁轨扣件病害检测方法及*** |
CN110961289B (zh) * | 2019-12-09 | 2021-06-29 | 国网智能科技股份有限公司 | 一种变电站绝缘子防污闪涂料喷涂工具及喷涂方法 |
CN110961289A (zh) * | 2019-12-09 | 2020-04-07 | 国网智能科技股份有限公司 | 一种变电站绝缘子防污闪涂料喷涂工具及喷涂方法 |
CN111062920A (zh) * | 2019-12-13 | 2020-04-24 | 北京百度网讯科技有限公司 | 用于生成半导体检测报告的方法及装置 |
CN111062920B (zh) * | 2019-12-13 | 2023-06-20 | 北京百度网讯科技有限公司 | 用于生成半导体检测报告的方法及装置 |
CN111256841A (zh) * | 2020-03-26 | 2020-06-09 | 深圳市永达电子信息股份有限公司 | 一种轨道状态的检测方法及其检测*** |
CN115063416A (zh) * | 2022-08-08 | 2022-09-16 | 苏州立创致恒电子科技有限公司 | 一种铁轨扣件状态检测方法及*** |
CN115063416B (zh) * | 2022-08-08 | 2022-11-04 | 苏州立创致恒电子科技有限公司 | 一种铁轨扣件状态检测方法及*** |
CN116109638A (zh) * | 2023-04-13 | 2023-05-12 | 中铁四局集团有限公司 | 一种钢轨折断检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107576666A (zh) | 一种双光谱成像铁轨及扣件异常检测方法 | |
CN207908384U (zh) | 一种双光谱成像铁轨及扣件异常检测装置 | |
CN101639452B (zh) | 一种钢轨表面缺陷的三维检测方法 | |
CN106053479B (zh) | 一种基于图像处理的工件外观缺陷的视觉检测*** | |
CN104608799B (zh) | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 | |
US8050486B2 (en) | System and method for identifying a feature of a workpiece | |
CN104732235B (zh) | 一种消除夜间道路反光干扰的车辆检测方法 | |
CN102495069B (zh) | 一种基于数字图像处理的拉链链带缺陷检测方法 | |
CN102221553B (zh) | 基于结构光的铁路扣件高速识别方法 | |
CN102175692A (zh) | 织物坯布疵点快速检测***及方法 | |
CN105158257A (zh) | 滑板测量方法及装置 | |
WO2015055060A1 (zh) | 一种连铸坯表面质量在线检测方法 | |
CN103837087B (zh) | 基于主动形状模型的受电弓自动检测方法 | |
CN107576667A (zh) | 一种基于线阵红外摄像机的铁轨扣件异常检测*** | |
CN103303337B (zh) | 基于图像序列的铁路扣件自适应定位方法及高速探测*** | |
CN1843822A (zh) | 列车轮对动态检测***及检测方法 | |
CN104729426A (zh) | 基于机器视觉的角钢自动在线检测***及方法 | |
CN108759670A (zh) | 一种基于非接触式检测技术的接触线磨耗动态检测装置 | |
CN101699273A (zh) | 一种在线钢轨探伤的图像处理辅助检测装置及方法 | |
CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
CN102288614A (zh) | 基于曲波域移动平行窗的受电弓裂纹故障检测方法 | |
CN103010258A (zh) | 一种高铁和地铁扣件裂缝检测***和方法 | |
US7116814B2 (en) | Image-based container defects detector | |
CN108198164A (zh) | 一种电缆隧道电缆完整性的检测装置及方法 | |
JP3629568B2 (ja) | 架線検査方法および架線検査装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 610021 Longquanyi Jingkai District, Chengdu City, Sichuan Province, 309 Dingfeng Power Port, 12 buildings, 7 units 501 Applicant after: CHENGDU JINGGONG HUAYAO TECHNOLOGY Co.,Ltd. Address before: 610021 Longquanyi Jingkai District, Chengdu City, Sichuan Province, 309 Dingfeng Power Port, 12 buildings, 7 units 501 Applicant before: CHENGDU JINGGONG HUAYAO MACHINERY MANUFACTURING CO.,LTD. |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180112 |