[发明专利]一种基于机器学习的地铁高度调节阀紧固螺母定位方法

说明书

本发明公开了一种基于机器学习的地铁高度调节阀紧固螺母定位方法，包括以下步骤：S1:采集地铁列车全车底部的图像信息，根据车厢的不同对图像进行切割，获得包含高度调节阀部件的全车底部高清彩色图像；S2:建立深度神经网络分类器对高度调节阀部件进行定位；建立支持向量机分类器对高度调节阀部件中紧固螺母的位置区域进行定位；S3:使用K‑Means聚类算法对定位后的紧固螺母图像进行初步分割；S4:根据边界特征方法对地铁高度调节阀紧固螺母进行精确分割。

技术领域

本发明涉及地铁机械部件故障检测领域，尤其涉及一种基于机器学习的地铁高度调节阀紧固螺母定位方法。

背景技术

目前在地铁走行部的日常检测中，高度调节阀紧固螺母是需要重点监测的部件。为保证地铁车辆的行车安全，实现重点部件的精准监测，对高度调节阀紧固螺母部件的精准定位就成为了整个部件异常检测的关键前提。地铁列车长期运行时产生的震动或检修失误都可能导致高度调节阀紧固螺母出现脱落、松动等不良状态，使得调节阀的承力能力降低，机械强度下降，使事故发生的可能性增加。因此，实现高度调节阀紧固螺母的精准定位十分关键。

目前对地铁高度调节阀紧固螺母的异常检测仍以人工检测为主，由于待检测区域面积大，而待检螺母所占面积极小，完成螺母定位和异常检测都需要大量人力，工作量大，效率十分低下。基于数字图像处理技术的地铁高度调节阀紧固螺母在非接触的情况下完成在线实时定位，具有较强优势。国内外专门针对地铁走行部中高度调节阀紧固螺母的状态监测尚属空白，针对此种部件的螺母定位研究更鲜有报道。由于紧固螺母相对于整车图像的尺寸极小，且该部件易受到反光的影响，采用图像处理技术的检测存在一定难度，目前尚未检索到此方面的研究报道。

发明内容

根据现有技术存在的问题，本发明公开了一种基于深度学习分类器的地铁高度调节阀紧固螺母定位方法，具体包括以下步骤：

S1:采集地铁列车全车底部的图像信息，根据车厢的不同对图像进行切割，获得包含高度调节阀部件的全车底部高清彩色图像；

S2:建立深度神经网络分类器对高度调节阀部件进行定位；建立支持向量机分类器对高度调节阀部件中紧固螺母的位置区域进行定位；

S3:使用K-Means聚类算法对定位后的紧固螺母图像进行初步分割；

S4:根据边界特征方法对地铁高度调节阀紧固螺母进行精确分割：采用区域生长法对初步分割后的二值图像进行限定区域搜索去除背景杂点，精确提取紧固螺母。

所述S2具体采用如下方式：

a、生成高度调节阀部件的样本库，其中正样本为只包含高度调节阀部件的图像，负样本为不包含高度调节阀的其他部件图像；

b、采用深度神经网络算法对样本进行训练，建立深度学习分类器，对高度调节阀部件进行整体定位；

c、生成高度调节阀部件中紧固螺母的样本库，其中正样本为包含紧固螺母的图像，负样本为不包含紧固螺母的其他部件图像；

d、采用支持向量机完成正负样本训练，建立紧固螺母分类器，实现紧固螺母的定位。

所述S3具体采用如下方式：

S31:对定位后的紧固螺母图像进行对比度增强处理，采用直方图均衡化方法增大图像中感兴趣的紧固螺母区域与背景区域的对比度差异；

S32:利用K-Means聚类算法将图像聚类划分，将紧固螺母区域与图像背景区域分离，具体采用如下方式：

S321:设定样本分类数量为2，即划分为C₁、C₂两个类别，每个类别选择一个聚类中心，采用中心化算法确定初始聚类中心点；