TFDS货车图像数据应用系统

货车故障轨旁图像检测系统(TFDS,Trouble of moving Freight car Detection System)是保障铁路货车运行安全的重要技术装备。为适应TFDS检车作业场所集中化的管理变革,建设了TFDS集中检车系统(简称:TFDS检车平台),通过汇集多个轨旁TFDS探测站的检测数据,实现TFDS动态检车任务的统一分配和作业过程的闭环管理。随着TFDS动态检车任务量不断加重,亟需强化动态检车作业质量考核,提高检车员辨识车辆故障的能力,以确保运用货车安全运行、满足货运装车需要。本文针对TFDS检车平台在应用中存在的不足,充分利用该平台的TFDS货车图像数据,研究开发TFDS货车图像数据应用系统,满足动态检车作业质量评价、检车员培训等实际需求,有助于提升TFDS集中检车作业的质量和效率。

货车图像车牌区快速定位及字符切割算法

针对货车图像中的光照不均匀和各种污损的条件,重点讨论了货车图像的二值化、车牌区定位及字符切割方法,并提出了一种货车车牌区定位快速定位算法(TLFP)和一种投影与弧特征相结合的字符切割算法。大量实验表明:使用上述算法,车牌区定位准确率达99.7％,字符切割正确率达98.5％。

朔黄铁路货车动态图像项目可行性研究

文章对朔黄铁路货车动态图像项目的可行性进行了研究,证明铁路货车故障动态图像分析系统得到了成功运用,优化了TFDS技检作业流程,提高了检车效率,实现了车辆运用技术检查方式由"人检"向"机检"的过渡,列检质量由"人控"向"机控"的转变,减轻了现场作业劳动强度,确保了运输安全。

复杂场景下铁路货车锁紧板偏转故障检测

结合铁路安全运营的迫切需求,以铁路货车运行故障图像动态检测系统(TFDS)中锁紧板偏转故障检测为研究背景,在无故障目标自动识别模式下对锁紧板姿态进行故障判别。针对锁紧板姿态是否位于正常范围内,提出一种新颖的偏转角度估计方法。算法依据锁紧板轮廓由近直线段组构成,提出采用直线段特征描述物体,形成特征稀疏表达,并对直线段特征采用方向编码方式,在有向Chamfer匹配下实现偏转角度估计,整个过程仅需一个模板。实验证明该算法能有效识别出偏转角度位于正常范围内的物体,并具有较好的鲁棒性和准确性。

TFDS-3型故障轨边图像检测系统的应用

TFDS即货车故障轨边图像检测系统,主要利用计算机网络技术、图像采集处理技术、自动控制等技术对铁路轨边通过的货物列车进行图像拍摄,实现从人检转向机检的目的。传统的TFDS系统采用的是面阵扫描相机对货车部件进行扫描。而TFDS-3型货车故障轨边图像检测系统采用线阵相机进行拍摄。TFDS-3系统的应用提高了列检作业效率,减轻了列检作业人员的劳动强度,实现列检不停车技术检查,由人工室外手锤检查向室内图像分析转变的模式,为车辆安全防范提供了重要保证。

图像边缘增强与麻雀搜索算法相结合的TFDS图像自适应增强方法

针对货车运行故障动态图像检测系统(Trouble of moving Freight car Detection System,TFDS)中存在的列车图像曝光不足、对比度低以及边缘细节模糊的问题,提出了图像边缘增强与麻雀搜索算法相结合的TFDS图像预处理方法。首先,利用高斯-拉普拉斯算子对图像进行边缘检测与锐化处理,增强列车零部件边缘细节清晰度;其次,利用麻雀搜索算法寻找非完全Beta函数的最佳参数;最后,实现低照度图像的自适应增强。实验结果表明:该方法在信息熵、平均梯度以及对比度等方面优于TFDS图像预处理常用算法。

一种基于几何特征的列车集尘器形状匹配算法

针对列车集尘器定位不准确的问题,提出了一种基于几何特征的形状匹配算法。该算法首先对轮廓点进行采样,基于极半径、局部曲率确定关键点的初始位置及点集的映射关系,然后以形心为基准,生成以角度和尺度为几何特征的双重描述子,并对其作标准量化处理。最后使用改进的曼哈顿距离计算描述子的相似性。实验结果表明,该形状匹配算法几乎不受伸缩、旋转、平移等几何变换的影响,具有一定的适应性和鲁棒性。

基于HCRD的列车锁紧板偏转自动识别方法

针对货车故障轨旁图像检测系统(TFDS)中锁紧板偏转故障,提出一种基于霍夫变换、Canny边缘检测和形状模板相结合的HCRD(Hough-Canny-RightangleDetection)方法。通过霍夫变化及数学几何模型定位转向架锁紧板部位,再对Canny边缘检测后的边缘图像进行角度特征的检测,整个识别只需要一个形状模板就能实现锁紧板偏转图像高精度自动识别,具有很好的判别能力。采用python编程,平均每张图像识别时间为0.067 s。且锁紧板下边缘处是否有角度特征作为锁紧板是否偏转的判断依据,具有很高的可靠性。实验证明,HCRD方法能精确检测出锁紧板的非正常范围(>5°)的偏转,且具有较好的鲁棒性和抗噪能力。该方法为TFDS故障图像识别提供了一种新的思路。

动态检车员作业质量抽查功能的设计

根据铁路货车运行故障动态图像检测系统(TFDS)的分布特点,本文提出采用网页采集信息技术获取TFDS动态检车员作业信息,通过作业信息比对实现作业质量抽查功能。

TFDS集中作业系统的设计与实现

针对货车故障轨旁图像检测系统(TFDS,Trouble of moving Freight car Detection System)探测站存在的作业量不均衡、作业关系未有效利用、作业质量差异较大等问题,基于数据传输、数据挖掘、智能判别等技术,将多套TFDS采集的图像和列车信息进行统一存储和任务的智能分配,实现智能管理、作业联控、信息传递等功能。该系统在中国铁路郑州局集团有限公司上线以来,运行效果良好,故障发现效率提升20%以上,为车辆系统深化改革创造了条件,为专业化管理提供了技术支持。

浅谈TFDS系统运用中存在的问题和改进措施

该文简要介绍货车运行故障动态图像监测系统(TFDS)的结构与工作原理,收集了部分实际运用中存在的问题及典型事例,针对现场实际情况及需要,提出了相应的改进措施及建议。

试析如何提高车辆TFDS检测效率

为了提升铁路货车故障轨边图像检测系统(TFDS)动态检测的工作效益,根据当下铁路货运提速增量的需求,利用TFDS检测过程中生成的货车运行、故障信息分析,并通过TFDS员工结合现场工作累计的经验,例如故障处理、经验整理以及信息处理,总结并举例说明了"情况描述方法"。结果表明:收集、分析数据对提高TFDS效率有很大帮助。

基于Canny算子的关键部件轮廓提取算法

针对货运列车运行故障动态图像检测系统(Trouble of moving Freight car Detection System,TFDS)中关键部件有效去除锈斑噪声以及光照不均匀引起的边缘检测效果不佳的问题,提出一种基于Canny算子的关键部件轮廓提取算法。实验结果表明,该算法能够对锈斑噪声进行有效去噪,增强轮廓灰度变化程度,提高关键部件的轮廓信息提取精度。

动态时间规整下的列车车钩缓冲图像区域校正

目的在铁路货车故障轨边图像检测系统(TFDS)采集的车钩缓冲区域影像中,托架、车钩等关键部件是刚体,但部件之间的连接是软连接,存在相对位移,造成传统的全局校正模型在该类图像校正中无法实现高精度校正,本文基于动态时间归整(DTW)方法,提出一种基于DTW区域划分的影像校正方法,实现影像的高精度校正。方法本文将成像良好的车钩缓冲图像作为标准图像,首先对待校正图像进行预处理,消除标准图像与待校正图像之间在灰度、角度与尺度方面的差异,并针对车钩缓冲图像在车辆行进的垂直方向上偏移较小的特点,将2维图像校正问题转化为1维匹配问题,与待校正的车钩缓冲图像进行基于DTW的区域匹配,实现关键部件所在区域的区域划分,在对应的区域内分别进行校正,能够达到较高的校正精度。结果将传统的车钩缓冲图像校正方法与本文方法进行校正精度对比,经验证,本文方法的均方误差比传统校正方法小20个像元,并且本文方法成功实现了关键部件的区域划分,为后面的关键部件识别奠定了基础。结论经验证,本文校正方法适用于定向移动的复合刚体部件的区域校正,能够实现车钩缓冲图像中各个软连接部件的高精度校正,满足车钩缓冲图像校正的需要。