楊勇光

江蘇建科工程咨詢有限公司 江蘇 南京 210000

現(xiàn)如今，機器視覺技術得到了迅速發(fā)展，將其應用在鐵軌質(zhì)量檢測中有助于及時發(fā)現(xiàn)存在問題。應用線掃描相機與LED線性光源的光學成像系統(tǒng)，應用均值平均分割與支持向量機展開波紋檢驗與判斷，利用區(qū)域生長于主成分分析及時檢測裂紋。

1 系統(tǒng)設計

基于高速條件下，通過線陣相機與線陣光源的光學成像形式能夠生成清楚的鐵軌表面圖像。在列車內(nèi)安裝光電編碼設備，主要作用為車速測量。磁盤陣列利用IP以太網(wǎng)與服務器連接，多應用在儲存在線檢測的海量鐵軌圖像數(shù)據(jù)。圖像處理計算機實現(xiàn)鐵軌影像的預處理與鐵軌表面缺陷檢驗。GPS系統(tǒng)可以準確檢測到鐵軌坐標位置，輸入鐵路里程數(shù)，更正光電傳感器獲得距離參數(shù)。實際運行過程中，系統(tǒng)上電后，各系統(tǒng)實現(xiàn)初始化，檢驗人員通過相機形式、曝光時間等參數(shù)。隨后，檢驗列車初始時待檢測鐵軌段行駛，車輪光電傳感器發(fā)出脈沖信號，接收到信號后搜集鐵軌成像并輸送至磁盤陣列內(nèi)。計算機提取成像后，缺陷檢測程序檢驗鐵軌外層有無的缺陷，結(jié)合缺陷類型劃分。工作人員檢查初始影像，診斷有無缺陷問題。隨后，儲存缺陷數(shù)據(jù)便于檢修人員檢修[1]。

2 鐵軌表面缺陷檢測識別算法

2.1 數(shù)字圖像處理技術

圖像處理技術指的是計算機對數(shù)字圖像的研究，其中包含計算速度、傳輸帶寬、儲存容量，綜合了額計算機、電子、數(shù)據(jù)等信息技術。圖像處理可以劃分成低級、中級、高級。數(shù)字圖像文件格式呈現(xiàn)多樣化，BMP格式作為標準Windows圖像格式，在Windows條件下圖像軟件都兼容BMP圖像格式。數(shù)字圖像處理特別時工業(yè)檢測時，BMP格式應用較多。改系統(tǒng)搜集的鐵軌圖像為BMP格式單通道影像，像素深度約8bit。線陣相機搜集的一幀線影像約1024個像素，筆者把1536行線影像連接成全景影像。因此，該系統(tǒng)搜集的鐵軌影像大小約1024*1536。系統(tǒng)現(xiàn)場搜集的帶波紋擦傷的鐵軌全景影像[2]。

2.2 表面缺陷視覺檢驗過程

該系統(tǒng)核心任務是通過圖像處理與識別技術將缺陷目標分化，隨后提取缺陷特征，結(jié)合圖像特點分類。鐵軌影像處理要求協(xié)調(diào)鐵軌表面影像質(zhì)量無穩(wěn)固性、圖像數(shù)據(jù)量較大、表面缺陷形式多樣化。結(jié)合鐵軌影像設計鐵軌表面缺陷檢測算法，制定有效方案排除消音、圖像影像。該種檢測方法分為：鐵軌圖像預處理、缺陷快速檢測、缺陷準確。首先，搜集鐵軌影像實現(xiàn)預處理，鐵軌表面區(qū)域只占據(jù)圖像一部分，其他區(qū)域灰度特點和缺陷相近。選擇水平投入方法提取鐵軌表面區(qū)域影像。其次，搜集鐵軌表面缺陷。劃分鐵軌表面影像獲得相關影像，隨后進行鐵軌表面圖像處理獲得另一個影像。將兩個影像應用邏輯與“and”做融合，獲得候選缺陷的鐵軌表面影像，其中可能出現(xiàn)虛假缺陷。分析兩幅影像有無異常，如果不存在即可完成鐵軌影像檢驗，如果存在操作后續(xù)處理操作。缺陷準確定位。對鐵軌表面影像采取開操作，便于連接相同缺陷單斷裂的缺陷像素。隨后，結(jié)合數(shù)學形態(tài)填充算法填充空洞，過濾區(qū)域面積低于設定閾值區(qū)域，獲得真實缺陷的影像。最終，標記影像獲得標記矩陣，通過標記矩陣其提取缺陷區(qū)為后續(xù)缺陷特征提取創(chuàng)造條件[3]。

2.3 鐵軌圖像預處理

首先，圖像去噪。在鐵軌影像種提取有效信息成為核心，搜集鐵軌影像時會受到環(huán)境、列車行駛時線陣相機抖動影像，防止產(chǎn)生噪音進而保障影像質(zhì)量。所以，選取適宜的算法對搜集的影像展開去噪平滑操作。圖像濾波方法呈現(xiàn)多樣性，結(jié)合濾波功能可以劃分為平滑型濾波與銳化型濾波。其次，鐵軌表面區(qū)域提取。分為鐵軌影像可以看見影像從鐵軌表面與其他區(qū)域組成。檢測系統(tǒng)內(nèi)，相機視場為130mm，鐵軌寬度約70mm～75mm，鐵軌底部寬為160mm。因此，其他鐵軌區(qū)域?qū)儆谝徊糠骤F軌底端。另一方面，非鋼軌表面區(qū)域和鋼軌表面區(qū)域灰度參數(shù)特點不同，鋼軌表面區(qū)域灰度參數(shù)超出非鋼軌表面區(qū)域灰度參數(shù)，單缺陷灰度參數(shù)與非鋼軌表面區(qū)域與灰度參數(shù)相近。計算過程中若忽略不計將給后續(xù)檢測算法造成難度。因此，提取鋼軌表面區(qū)域，排除非鋼軌表面區(qū)域。

2.4 缺陷準確定位

單個波紋擦傷缺陷被分割成了若干個缺陷或者呈噴霧狀分布，這樣不利于后面的缺陷識別算法，所以需要將單個的波紋擦傷缺陷進行黏合。因為算法是同時作用于兩種缺陷的，所以需要確保選擇的缺陷既能將單個波紋擦傷缺陷黏合，又不影響癥痕缺陷。

區(qū)域黏合后的二值圖像中，有些單個缺陷的內(nèi)部存在一些孔洞，為了避免其對特征提取算法的影響，需要對其進行填充。本文使用一種基于數(shù)學形態(tài)學的區(qū)域填充算法對圖像進行孔洞填充，該算法是以集合的膨脹、求補和交集為基礎[4]。

3 結(jié)束語

總而言之，伴隨著鐵路工程建設進程的加快，鐵路部門應對鐵路維修給予高度重視，加強鐵軌外層質(zhì)量研究。以往人工巡檢已經(jīng)落后現(xiàn)代要求，應用高速檢測的鐵軌表面缺陷的機器視覺檢測系統(tǒng)成為當前鐵路維修重要研究內(nèi)容。筆者分別從兩方面對鐵軌表面缺陷展開分析，設計鐵軌表面缺陷的機器視覺檢測系統(tǒng)，對系統(tǒng)內(nèi)光學成像技術與表面缺陷檢測識別算法展開分析，希望對后續(xù)研究提供借鑒。