[发明专利]基于相关系数的地铁列车图像故障检测方法在审
申请号: | 202010048155.8 | 申请日: | 2020-01-16 |
公开(公告)号: | CN111242226A | 公开(公告)日: | 2020-06-05 |
发明(设计)人: | 邹梦;李兆新;胡远江;陆其波;卜显利;曾玲;刘正一;黄峻;刘晓曼;卢康;陈健;王梁;贾朋磊;冉春燕 | 申请(专利权)人: | 广州运达智能科技有限公司;广州地铁集团有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06T7/00 |
代理公司: | 成都行之专利代理事务所(普通合伙) 51220 | 代理人: | 张超 |
地址: | 510000 广东省广州市白云区北太路163*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 相关系数 地铁 列车 图像 故障 检测 方法 | ||
本发明公开了基于相关系数的地铁列车图像故障检测方法,降低人工劳动强度。本发明包括从初始图片集中选取同一部件的多张正常部件图片构成该部件的标准图片集;对标准图片集里的每张图片进行归一化处理和缩小处理得到第一预处理图片;将第一预处理图片进行灰度值相加后求平均值得到标准图片的模板;将标准图片的模板与每张正常部件图片做相关计算后得到第一相关系数及分类器;从初始图片集中随机选取多张图片构成待检测图片集并进行预处理第二预处理图片;将第二预处理图片与标准图片的模板进行相关计算后得到第二相关系数并输入至分类器进行检测,检测后输出故障检测结果。本发明具有降低了人工劳动强度、有效的降低误报的概率等优点。
技术领域
本发明涉及地铁列车故障检测领域,具体涉及一种基于相关系数的地铁列车外观图像故障检测方法。
背景技术
近几年各大城市的城轨进入大规模建设的阶段,已开通运行的线路日渐增多,给人们出行带来方便的同时。也给地铁列车的运营维护带来巨大的挑战。一般地铁车辆运行完回库后,需要检修班组人员以目视的方式进行巡查。地铁列车的需目视检查部件零部件多,极易造成漏检,这对传统检修作业方式提出了新的挑战,问题急需解决。传统人工检修作业方式存在以下问题:
(1)存在安全隐患:长期以来,对于机车车体外观检查,基本依托检查人员钻车底地沟、登顶作业去完成目视作业,作业环境艰苦,且机车检查质量受检查人员技术能力、身心状态、责任心、外部环境等复杂因素的影响,难以保证繁重工作下机车质量的可靠性要求,存在漏检的风险,为行车安全埋下隐患。
(2)检查效率低:列车高频次、大密度地开行,大大增加了列车检查工作量和检查人员劳动强度,仅依靠检查人员来检查完所有的检测项点,花费时间长,检修效率低。
发明内容
本发明为了解决上述问题而提出的,本发明的其中一个目的在于提供一种基于相关系数的地铁列车外观图像故障检测方法,以降低人工劳动强度。
本发明通过下述技术方案实现:
基于相关系数的地铁列车图像故障检测方法,包括以下步骤:
S1,获取标准图片集:按照时间戳的顺序同时对多个部件进行拍摄获得若干张初始图片构成初始图片集,所述若干张初始图片中包括正常部件图片和异常部件图片,从初始图片集中选取同一部件的多张正常部件图片构成该部件的标准图片集;
S2,正常部件图片的预处理:对标准图片集里的每张正常部件图片分别进行归一化处理和缩小处理得到第一预处理图片;
S3,生成标准图片的模板:将第一预处理图片进行灰度值相加后求平均值得到标准图片的模板;
S4,构造故障检测分类器:将标准图片的模板与标准图片集中每张正常部件图片做相关计算后得到第一相关系数,再对第一相关系数进行处理后构造一个基于阈值判断的分类器;
S5,获取待检测图片集:从初始图片集中随机选取多张图片构成待检测图片集;
S6,待检测图片的预处理:对待检测图片集中的每一张图片进行归一化处理和缩小处理得到第二预处理图片;
S7,进行故障检测识别:将第二预处理图片与标准图片的模板进行相关计算后得到第二相关系数,再将第二相关系数输入至分类器进行检测,检测后输出故障检测结果。
进一步的,所述S1中多张正常部件图片由不同工况下的正常部件图片构成,所述不同工况下的正常部件图片包括带有雨水的正常部件图片和不同光照强度下的正常部件图片。
进一步的,所述S1中的多个部件包括地铁列车内侧壁、地铁列车外侧壁和地铁列车车顶。
进一步的,所述异常部件图片包括部件缺失图片、部件断裂图片、部件松动图片、部件表面有异物图片、部件表面裂纹图片、部件线缆脱落图片、部件异位图片、部件表面油渍污染图片和部件变形图片。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州运达智能科技有限公司;广州地铁集团有限公司,未经广州运达智能科技有限公司;广州地铁集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010048155.8/2.html,转载请声明来源钻瓜专利网。