[发明专利]一种基于图像处理的车钩托梁折断检测方法、系统及装置

说明书

一种基于图像处理的车钩托梁折断检测方法、系统及装置，属于图像处理和设备检测技术领域。本发明是为了解决现有的视觉判断方法存在遗漏率高、误检率高的问题，以及神经网络判断方法存在工作量大和通用性效果不稳定的问题。本发明首先对待检测图形进行滤波，并利用检测算子模板与滤波图像像素卷积，获取当前像素的最大卷积值，如果卷积值大于等于255，则像素置为255；否则像素置为0，得到二值图像；然后对检测到的边缘进行补充；基于边缘补充后的边缘图像，查找连通域确定折断处并计算折断的长度和角度；从而实现车钩托梁折断的检测。主要用于车钩托梁的折断检测。

技术领域

本发明涉及一种车钩托梁折断检测方法、系统及装置，属于图像处理和设备检测技术领域。

背景技术

铁路货车的车钩托梁折断会影响铁路货车的安全运行。目前的货车故障监控的方法为视觉判断，这种方法会受外界影响颇大，例如拍摄的图片不清晰，有水迹干扰等客观因素；人工分时性疲劳，注意力不集中等主观因素。都会造成部件故障的遗漏、误检等情况，影响货车行驶安全。

因此，铁路货车检测领域亟需货车部件的故障自动化检测技术。目前也有一些自动化检测技术能够用于车钩托梁折断检测，但是由于车钩托梁所在部位存在结构比较复杂导致基于图像处理的技术存在很大难度，同时车钩托梁折断的形态不易被检测和识别到，所以现有的技术往往不能取得良好的效果，存在漏检率高和误检率高的问题。目前也有一些检测方法利用神经网络来进行铁路货车车钩托梁折断的检测，这种方法虽然能够较好的应用于车钩托梁折断检测，但是这种方法的准确性也依赖于训练过程所得到的模型的好坏，而训练过程还需要收到训练样本的影响，如果训练样本不能覆盖所有的情况(如天气光照影响、油污影响等)，则模型的适用性和检测准确度将会收到严重影响，所以这种方法需要获取非常多的图像，这就需要花费大量的图像手机工作量，而且这种还存在通用性效果不稳定的问题，即A用户通过训练得到的训练好的模型，可能该模型的效果非常好，但是B用户训练得到的模型不一定能够取得同样好的效果。

发明内容

本发明是为了解决现有的视觉判断方法存在遗漏率高、误检率高的问题，以及神经网络判断方法存在工作量大和通用性效果不稳定的问题。

一种基于图像处理的车钩托梁折断检测方法，包括以下步骤：

s1、对待检测图形进行滤波，即将卷积核与待检测图像进行卷积；

所述卷积核如下：

f_s(x,y)＝f(x,y)*G(x,y)*C(x,y) (1)

其中，f(x,y)表示输入图像数据，G(x,y)表示二维高斯函数，f_s(x,y)为卷积平滑后的图像，C(x,y)表示图像的内容函数，x和y分别为二维图像像素的横纵坐标；

图像的内容函数

s2、针对于滤波图像进行边缘检测，利用检测算子模板Sobel_x、Sobel_y、k_45°、k_135°分别与滤波图像像素卷积，获取当前像素的最大卷积值，如果卷积值大于等于255，则像素置为255；否则像素置为0，得到二值图像；

s3、对检测到的边缘进行补充；

s4、基于边缘补充后的边缘图像，查找连通域确定折断处并计算折断的长度和角度；从而实现车钩托梁折断的检测。

进一步地，所述二维高斯函数σ＝1，高斯核选取5×5大小来进行高斯模糊。

进一步地，所述的

进一步地，所述步骤s3中采用邻域灰度差法对检测到的边缘进行补充。

进一步地，所述用邻域灰度差法对检测到的边缘进行补充的具体过程包括以下步骤：