【技术实现步骤摘要】
本专利技术涉及轨道车辆检测的，更具体的说是涉及一种基于机器视觉的指型板错台故障检测方法及系统。
技术介绍
1、跨座式单轨列车是城市轨道交通的一种制式，具备适应性强、噪声低、转弯半径小、爬坡能力强等诸多优势。跨座式单轨列车运行在轨道梁上，轨道梁的上表面为走行面，供单轨列车运行；侧面为稳定面和导行面，单轨列车的转向轮和稳定轮从两侧夹紧轨道，将列车稳定在轨道梁上。指型板是一种连接相邻轨道梁的部件，列车运行时转向轮和稳定轮会压过指型板，因此指型板的错台检测是轨道梁日常检测的一项例行作业，目的确保指型板的指没有发生较为严重的错台，从而损伤列车轮胎，以保证轨道上列车的正常运行。
2、目前国内跨座式单轨运营经验不多，维保工作中主要依靠人力完成，缺少智能化检测经验，尤其是关于指型板错台的自动化检测技术还是空白，传统上，指型板的检测是由作业人员利用手电筒打光，通过人眼观察，结合个人经验进行判断，由于轨道里程长，指型板数量多，且错台的故障难以定量地检查，工作人员很容易产生视觉疲劳，或因个人判断失误导致漏检，可能会带来潜在的安全隐患，因此当下研究指型板错台故障的自动化检测来代替人工巡检是一项重要的工作。
3、现有的方法，如公开号为cn117405669a的中国专利申请公开了一种跨座式单轨道岔活动指型板对接状态检测方法，该专利技术通过收集指型板与pc梁固定端完全贴合和未贴合的图像，分别制作数据集，放入yolov5的网络中进行训练，后续通过该网络判断指型板的状态，该方法只用了一个目标检测的网络进行判断，完全基于深度学习的黑匣子，而
技术实现思路
1、针对现有技术存在的不足，本专利技术的目的在于提供一种基于机器视觉的指型板错台故障检测方法及系统，该种指型板错台故障检测针对稳定面和导行面，相较于传统人工检测大大提高了节约了人工成本，大大提高了故障检出率，对列车的维保和安全驾驶起到了重要的作用。
2、为实现上述目的，本专利技术提供了如下技术方案：
3、一种基于机器视觉的指型板错台故障检测方法，包括如下步骤：
4、指型板图像获取步骤，获取灯光照射后视觉斜向下拍摄的带有部分指型板的图像，且进行拼接得到完整的指型板图；
5、指型板图像处理步骤，将所述指型板图通过目标检测模型搜寻指域，将所述指域通过二值化处理得到像素图；
6、区域像素筛选步骤，在所述像素图中选取部分列，计算所述部分列中每一行白色部分像素的长度作为行像素长度，标记行像素长度在指定像素长度范围内的白色部分行，计算每行所述白色部分行的像素宽度作为实际指宽；
7、区域像素比较步骤，将所述实际指宽与目标检测模型中对应位置的指型板的指宽阈值进行比较，根据比较结果输出错台指令或正常指令。
8、进一步的，所述部分列为像素图中间部分的100列。
9、进一步的，所述区域像素筛选步骤，将所述像素图依据白色部分像素的实际指宽和黑色部分像素绘制线形图，所述线形图中的横坐标反映像素列的宽度，所述线形图中的纵坐标反映像素行的像素总和值，所述黑色部分像素在线形图中的纵坐标为零，所述线形图中顶点横线段反映实际指宽。
10、进一步的，所述区域像素比较步骤，根据所述指型板图在目标检测模型中筛选目标图，根据目标图计算指型板每一节指在图像中露出的像素宽度，根据该像素宽度设定指宽阈值，将每一节指的指宽阈值以阈值线形式叠加至线形图中实际指宽的得到重合程度，若指宽阈值对应的阈值线覆盖顶点横线段，则输出正常指令，反之，则输出错台指令。
11、进一步的，所述区域像素筛选步骤中还包括区域像素修正子步骤，
12、所述区域像素修正子步骤，获取所述白色部分行，提取所述白色部分行中的两条横边界，计算两条横边界的斜率，若斜率为非零时，则以横边界上的若干个最外围点作为边界点绘制标准横边线，根据所述标准横边线对白色部分行进行扩充填补得到白色部分修正行，根据所述白色部分修正行进行测量实际指宽。
13、进一步的，所述区域像素比较步骤中还包括区域像素反馈子步骤，
14、所述区域像素反馈子步骤，在所述像素图像中以白色部分修正行为依据计算每相邻两个白色部分修正行之间的黑色部分行的像素宽度作为间隙宽，将所述间隙宽与目标检测模型中对应位置的指型板间隙进行比较，根据该比较结果反馈验证指型板是否错台。
15、进一步的，还包括目标检测模型构建步骤，将历史获取的若干张指型板图像均进行分割得到保留指的部分图像，将保留指的部分图像进行标注形成数据集，将所述数据集以一定比例划分为训练集、测试集以及验证集，将所述训练集、测试集以及验证集通过深度学习神经网络训练得到目标检测模型。
16、进一步的，所述指型板图像获取步骤，获取灯光照射后视觉斜向下拍摄的视觉图像，根据计算每张视觉图像中整列的像素和，将该像素和与预设阈值比较，挑选小于预设阈值的像素和对应的视觉图像作为目标图像，根据目标图像中轨道梁间缝的位置挑选带有部分指型板的图像用于拼接。
17、进一步的，还包括指型板错台预算步骤，根据历史数据训练指型板的错台模型，所述错台模型中包括有错台距离和图像像素，所述错台距离与图像像素一一对应，将所述像素图代入错台模型中得到错台距离，将所述错台距离与标准距离作差计算得到实际错台距离。
18、一种基于机器视觉的指型板错台故障检测系统，包括
19、指型板图像获取模块，获取灯光照射后视觉斜向下拍摄的带有部分指型板的图像，且进行拼接得到完整的指型板图；
20、指型板图像处理模块，将所述指型板图通过目标检测模型搜寻指域，将所述指域通过二值化处理得到像素图；
21、区域像素筛选模块，在所述像素图中选取部分列，计算所述部分列中每一行白色部分像素的长度作为行像素长度，标记行像素长度在指定像素长度范围内的白色部分行，计算每行所述白色部分行的像素宽度作为实际指宽；
22、区域像素比较模块，将所述实际指宽与目标检测模型中对应位置的指型板的指宽阈值进行比较，根据比较结果输出错台指令或正常指令。
23、本专利技术的有益效果：通过对图像进行黑白处理，以像素的比较方式来进行指型板是否错台的判断，相比于传统的深度学习模型的比较而言，能够避免指型板的生锈或外部光照的影响导致判断准确性降低，另外对稳定面和导行面的指型板错台故障的智能检测方法，相较于传统人工检测大大提高了节约了人工成本，大大提高了故障检出率，对列车的维保和安全驾驶起到了重要的作用。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的指型板错台故障检测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：所述部分列为像素图中间部分的100列。
3.根据权利要求2所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：所述区域像素筛选步骤，将所述像素图依据白色部分像素的实际指宽和黑色部分像素绘制线形图，所述线形图中的横坐标反映像素列的宽度，所述线形图中的纵坐标反映像素行的像素总和值，所述黑色部分像素在线形图中的纵坐标为零，所述线形图中顶点横线段反映实际指宽。
4.根据权利要求3所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：所述区域像素比较步骤，根据所述指型板图在目标检测模型中筛选目标图，根据目标图计算指型板每一节指在图像中露出的像素宽度，根据该像素宽度设定指宽阈值，将每一节指的指宽阈值以阈值线形式叠加至线形图中实际指宽的得到重合程度，若指宽阈值对应的阈值线覆盖顶点横线段，则输出正常指令，反之，则输出错台指令。
5.根据权利要求4所述一种基于机器视觉的指型板错台故障检测方法，
6.根据权利要求5所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：所述区域像素比较步骤中还包括区域像素反馈子步骤，
7.根据权利要求1所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：还包括目标检测模型构建步骤，将历史获取的若干张指型板图像均进行分割得到保留指的部分图像，将保留指的部分图像进行标注形成数据集，将所述数据集以一定比例划分为训练集、测试集以及验证集，将所述训练集、测试集以及验证集通过深度学习神经网络训练得到目标检测模型。
8.根据权利要求7所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：所述指型板图像获取步骤，获取灯光照射后视觉斜向下拍摄的视觉图像，根据计算每张视觉图像中整列的像素和，将该像素和与预设阈值比较，挑选小于预设阈值的像素和对应的视觉图像作为目标图像，根据目标图像中轨道梁间缝的位置挑选带有部分指型板的图像用于拼接。
9.根据权利要求8所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：还包括指型板错台预算步骤，根据历史数据训练指型板的错台模型，所述错台模型中包括有错台距离和图像像素，所述错台距离与图像像素一一对应，将所述像素图代入错台模型中得到错台距离，将所述错台距离与标准距离作差计算得到实际错台距离。
10.一种基于机器视觉的指型板错台故障检测系统，其特征在于：包括
...【技术特征摘要】
1.一种基于机器视觉的指型板错台故障检测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：所述部分列为像素图中间部分的100列。
3.根据权利要求2所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：所述区域像素筛选步骤，将所述像素图依据白色部分像素的实际指宽和黑色部分像素绘制线形图，所述线形图中的横坐标反映像素列的宽度，所述线形图中的纵坐标反映像素行的像素总和值，所述黑色部分像素在线形图中的纵坐标为零，所述线形图中顶点横线段反映实际指宽。
4.根据权利要求3所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：所述区域像素比较步骤，根据所述指型板图在目标检测模型中筛选目标图，根据目标图计算指型板每一节指在图像中露出的像素宽度，根据该像素宽度设定指宽阈值，将每一节指的指宽阈值以阈值线形式叠加至线形图中实际指宽的得到重合程度，若指宽阈值对应的阈值线覆盖顶点横线段，则输出正常指令，反之，则输出错台指令。
5.根据权利要求4所述一种基于机器视觉的指型板错台故障检测方法，其特征在于：所述区域像素筛选步骤中还包括区域像素修正子步骤，
6.根据权利要求5所述一种基于机器视觉的指型板错台故障检测方...
【专利技术属性】
技术研发人员：计宇傲，蒋邦亮，汪康康，汪华靖，杨轩，王欣悦，
申请(专利权)人：中数智科杭州科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。