TFDS图像自动识别技术的分析

对TFDS图像自动识别系统的系统需求、系统资源配制、系统总体设计进行论述。

货车TFDS图像自动识别系统的研发探讨

根据铁道部运装货车[2011]333号文件提出的TFDS系统自动识别技术要求,按照"重点故障率先突破,识别范围不断扩大"的技术发展思路,研发了货车TFDS图像自动识别系统,基本实现了拦停类故障自动识别,安全关键部位自动识别,以及影响动态检查类效率类故障动识别。

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。

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。

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。

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。

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。

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。