一种基于计算机视觉铁轨扣件缺失检测方法.doc

一种基于计算机视觉铁轨扣件缺失检测方法 　　摘要：针对传统扣件检测方法式效率低、可靠性差，不能满足现代铁路检修的需要，提出了一种基于计算机视觉的扣件缺失自动检测方法。在对灰度图像进行Canny边缘检测处理后采用十字交叉定位法对扣件位置进行定位，得到120×200像素的扣件区域，并提取扣件图像的20个边缘特征值；最后，利用模糊C均值聚类算法对这两类的特征量进行聚类分析，通过计算待诊断对象与标准模式的隶属度实现对扣件状态的分类。应用验证表明：采用的图像处理方法和识别分类算法能够有效检出轨道扣件缺失，检测速度快，鲁棒性好，检出率达96%。 关键词： 扣件缺失检测；图像处理；Canny算子；模糊C均值聚类 中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2014）10-2367-04 Abstract： The traditional fastener detection methods are inefficient and unreliable， can not meet the needs of the modern railway maintenance. This paper proposes a vision-based technique for detecting rail fastening automatically. First， a criss-crossing localization method was proposed to position the fastener for the canny edge processing gray images， and the edge characteristic information of fastener was extracted. Finally， fuzzy C-means clustering algorithm was used to cluster the extracted features， fastener missing detection can be realized by calculating the membership between the unknown samples and the standard modes of fastener. The experiment showed that this image processing and classifying algorithm can realize the automatic detection of missing fastener effectively； the detection rate is above 96%. Key words： fastening missing detecting； image processing； canny algorithm； fuzzy C-means clustering 铁路线路维修保养对于轨道交通系统的安全运行具有重要作用，其重要工作之一是检查扣件是否缺失。实际中，由于安装保养不到位、列车行驶的振动和人为盗取等原因，线路上扣件可能会缺失，这给会对铁路行车安全形成巨大威胁，甚至酿成重大交通事故。目前，对铁路扣件的检查主要依靠人工巡查的方法，效率低、劳动强度大、可靠性差、漏检率高。近些年，随着计算机技术、模式识别和图象处理技术的发展，研制基于计算机视觉的自动化扣件缺失检测系统来代替巡道工的视觉检查工作成为可能，该检测方法具有效率高、成本低和可靠性好等优点，是铁道和地铁线路维修的新趋势。 日本于20世纪90年代中期开发了一些采用图像处理技术实现轨道裂纹、腐蚀及扣件状态自动识别的设备。美国ENSC0公司在20世纪90年代末研发了轨道视觉检查系统自动检查轨道状态[1，2]。德国SBG公司研制的GeoRail系统采用数字扫描相机和先进的图象处理技术，实时检测轨道表面和轨枕的缺陷，及扣件缺失、道床断面的异常等；德国BENNTEC公司开发了RailCheck系统也能实现类似功能[3，4]。法国研制开发了巡查线路设备状态的自动检查系统，并在TGV高速线路和普通线路上投入了实际运行[5，6]。国内有北京福斯达公司高速车载式轨道图像识别系统，另有一些基于计算机视觉针对扣件螺母缺失进行检测的专项研究[7]。 上述检测系统都是采取用高速摄像机采集扣件完整图片，然后进行图像处理，判断扣件是否存在。但是现有系统在图像处理上耗时较多，很难适应速度要求极高的高速轨检车。此外，列车行进过程中状态复杂，所采集的图片参数不一，具有较大的模糊性，目前的扣件缺失检测方法并不能有效的处