动车组故障轨边图像自动检测系统图像对比算法研究

动车组故障轨边图像自动检测系统(TEDS)采用模块化、小型化的设计理念,运用图像自动识别技术,对异常图像进行分级报警。在图像自动识别技术基础上,设计了整个图像识别框架,针对不同部件,采用逐级细化、图像对比、分级预报算法,提高动车组故障自动识别效果,达到分级报警的要求。

基于轨边图像SURF特征的动车底部件异常检测算法

动车底部故障自动判定识别一直是列车安全系统的一个重要组成部分。动车底部部件较多,螺栓、盖板等都有可能出现故障,人为检查费时费力,且可能出现纰漏,以往的自动检测故障误判率很高,且不能给出准确的故障类别。因此本文提出了动车底部故障识别系统,该系统在列车轨道处安装若干个摄像头,对摄像头采集的图片进行畸变校正、配准、比对等分析,进而判定列车底部是否存在故障和故障位置、种类。经模拟验证,该系统可以检测出螺栓丢失和盖板丢失等故障。

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。

铁路车辆监测图像识别模型训练及验证平台研究

针对铁路车辆轨边图像检测系统现有图像自动识别模型训练及评价过程中训练数据不足、数据质量不高、评价标准不一致等问题,研究铁路车辆监测图像识别模型训练及验证平台。设计故障图像数据统一接入,专家标定数据形成,自动识别模型接入、训练、对比评测等方法,为故障图像自动识别模型提供标准训练数据、统一评测验证与管理服务的能力。实践表明,该平台实现了车辆故障图像数据的集中汇总与统一管理,为铁路车辆监测图像自动识别技术的发展提供了有力支持。

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。

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。