趙 勇

（長安大學(xué) 工程機(jī)械學(xué)院機(jī)械系 道路施工技術(shù)與裝備教育部重點(diǎn)實(shí)驗(yàn)室，陜西 西安710064）

車輪踏面為車輪在鋼軌面上滾動接觸的部位，由于制動、輪對與鋼軌間隙的沖撞以及輪對與鋼軌面在轉(zhuǎn)彎時(shí)的相對滑動等因素造成的踏面擦傷，給車輛和鋼軌帶來額外的沖擊振動，嚴(yán)重影響列車平穩(wěn)運(yùn)行和鐵路線路的使用壽命。隨著我國鐵路不斷提速以及重載列車的增加，加速了踏面擦傷數(shù)量的增加，對車輪檢測和維修提出了更高的要求。因此，研制運(yùn)行狀態(tài)下的車輪踏面擦傷在線動態(tài)檢測系統(tǒng)已成為我國軌道交通發(fā)展中迫切需要解決的難題。

國外自20世紀(jì)70年代開始對車輪踏面擦傷自動檢測方法進(jìn)行研究，提出的檢測方法主要有振動法[1]、共振解調(diào)法[2]、電磁超聲檢測法[3-4]、沖擊載荷法[5]。但國內(nèi)起步較晚，自20世紀(jì)90年代才開始對踏面擦傷動態(tài)檢測系統(tǒng)進(jìn)行研究，主要采用的方法有振動法[6]、共振解調(diào)法[7]、踏板法[8]、電磁 超聲 檢 測 法[9]、沖擊載荷 法[10]。 以上提到的踏面擦傷檢測方法都存在測量精度低和車輪檢測兌現(xiàn)率低的缺點(diǎn)。目前，在我國鐵路系統(tǒng)沒有一種理想的檢測方法，車輛檢修部門仍然采用人工目視、靜態(tài)測量或憑經(jīng)驗(yàn)聽聲音的方法檢測，這種方法的缺點(diǎn)是勞動強(qiáng)度大、測量精度低。而機(jī)器視覺檢測技術(shù)具有檢測速度快、測量精度高、重復(fù)性好等優(yōu)點(diǎn)，在缺陷檢測方面得到了廣泛的應(yīng)用[11-14]。因此，利用機(jī)器視覺檢測技術(shù)配合其他動態(tài)測量方法檢測踏面擦傷對提高車輪檢測兌現(xiàn)率、提高勞動效率、檢測精度和促進(jìn)數(shù)字化鐵路的實(shí)現(xiàn)具有重要意義。

基于此，本文首先建立了基于機(jī)器視覺的車輪踏面擦傷動態(tài)檢測系統(tǒng)，提出了基于Canny算法的踏面區(qū)域分割算法和一種基于踏面邊緣線掃描搜索的擦傷區(qū)域提取的算法。實(shí)驗(yàn)結(jié)果表明，本文算法可以有效地進(jìn)行踏面擦傷可疑區(qū)域的定位。

1 系統(tǒng)結(jié)構(gòu)

系統(tǒng)總體結(jié)構(gòu)如圖1所示，系統(tǒng)由左側(cè)和右側(cè)車輪檢測裝置、交換機(jī)和高速計(jì)算機(jī)組成。左側(cè)和右側(cè)車輪檢測裝置分別安裝在鐵軌兩側(cè)，都是由3臺數(shù)字?jǐn)z像機(jī)、3個(gè)光源、3個(gè)車輪觸發(fā)器組成。檢測原理是：列車低速進(jìn)入檢測區(qū)段，當(dāng)車輪觸發(fā)器檢測到車輪時(shí)，光源打開，攝像機(jī)采集到踏面圖像，通過以太網(wǎng)并經(jīng)過交換機(jī)傳送到高速計(jì)算機(jī)內(nèi)進(jìn)行圖像處理和識別。

2 踏面擦傷可疑區(qū)域定位算法

圖2 踏面擦傷檢測算法流程圖

圖2是擦傷檢測算法流程圖。踏面擦傷檢測包括擦傷可疑區(qū)域定位和擦傷識別兩個(gè)模塊。其中，擦傷可疑區(qū)域定位模塊包括圖像平滑、踏面區(qū)域分割和擦傷可疑區(qū)域檢測三部分。圖像平滑的作用是去除圖像噪聲；踏面區(qū)域分割的目的是分割出踏面擦傷所在的區(qū)域；擦傷可疑區(qū)域檢測是在踏面區(qū)域內(nèi)找到擦傷可疑區(qū)域；擦傷識別是利用識別算法進(jìn)一步判斷可疑區(qū)域是否屬于擦傷。本文重點(diǎn)介紹擦傷可疑區(qū)域定位算法。

2.1 圖像平滑

圖像平滑的目的是去除圖像噪聲。本文選用快速中值濾波算法平滑圖像。

2.2 踏面區(qū)域分割

踏面區(qū)域分割的目的是縮小檢測的范圍。算法實(shí)現(xiàn)過程如下：

(1)采用傳統(tǒng)Canny算法提取圖像邊緣線。

(2)采用輪廓跟蹤法跟蹤邊緣，去除鏈碼長度小于一定閾值的線段。

(3)判斷保留下的兩條不同的邊緣線之間的最大距離(max)和最小距離(min)，把滿足 max＜Tmax且 min＞Tmin的兩條線保留下來,去除其他干擾線。Tmax和Tmin根據(jù)標(biāo)準(zhǔn)輪子的寬度確定，保留下來的兩條邊緣線一條是踏面邊緣線，另外一條是輪緣邊緣線。

(4)從保留的兩條邊緣線中選擇長度最大的一條邊緣線，如果該邊緣線位于另外一條邊緣線的右側(cè)，則該邊緣線為踏面邊緣線,向輪緣方向平移標(biāo)準(zhǔn)踏面圖像寬度，得到踏面區(qū)域的另外的一個(gè)踏面邊緣線；如果該邊緣線位于另外一條邊緣線的左側(cè)，則該邊緣線為輪緣邊緣線，向踏面方向依次平移標(biāo)準(zhǔn)輪緣圖像寬度和標(biāo)準(zhǔn)車輪寬度得到踏面區(qū)域的兩條踏面邊緣線，截取邊緣線之間的圖像區(qū)域即為踏面區(qū)域。

2.3 踏面擦傷可疑區(qū)域檢測

擦傷區(qū)域特征是擦傷線沿踏面邊緣線方向分布，而且擦傷線上點(diǎn)的灰度值變化小。本文根據(jù)擦傷特征設(shè)計(jì)了一種基于踏面邊緣線掃描搜索的擦傷可疑區(qū)域提取技術(shù)，根據(jù)2.2節(jié)得到的踏面邊緣線，在踏面區(qū)域內(nèi)，踏面邊緣線依次移動一個(gè)像素，得到覆蓋踏面區(qū)域的所有掃描線，定義掃描線為圖像的列。算法具體步驟如下(設(shè)j=1)：

(1)選取踏面區(qū)域的平均灰度值為閾值,對踏面區(qū)域進(jìn)行全局閾值分割，小于閾值的點(diǎn)像素值為0，其余點(diǎn)像素值為255。

(2)沿第j列從上到下逐個(gè)計(jì)算當(dāng)前像素點(diǎn)像素值與相鄰兩點(diǎn)的像素值的差值絕對值是否大于255，如果有一個(gè)值大于255，則標(biāo)記當(dāng)前像素點(diǎn)為跳變點(diǎn)，直到此列上所有跳變點(diǎn)標(biāo)記完畢。

(3)判斷第j列相鄰的跳變點(diǎn)之間像素個(gè)數(shù)N1，若N1＞Tc,則標(biāo)記該列兩個(gè)跳變點(diǎn)之間的線段為一條擦傷線。其中Tc的值根據(jù)鐵道部規(guī)定的擦傷最小長度確定。

(4)迭代循環(huán)j＝j(luò)+1，轉(zhuǎn)步驟(2)，直到踏面區(qū)域內(nèi)的所有列判斷結(jié)束。

(5)擦傷線的合并。合并原理：對兩條擦傷線(A和B)，設(shè) A的兩端點(diǎn)坐標(biāo)分別為(x1,y1)、(x2,y2)，B的兩端點(diǎn)坐標(biāo)分別為(x3,y3)、(x4,y4),兩條線的橫向距離H和縱向距離V分別用如下公式計(jì)算：

選取閾值Td1和Td2，如果：H＜Td1且V＜Td2,則認(rèn)為兩條擦傷線為同一個(gè)擦傷區(qū)域內(nèi)的擦傷線。本文Td1為15，Td2為 50。

3 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文算法的有效性，在安康車輛段搭建踏面擦傷動態(tài)檢測實(shí)驗(yàn)硬件平臺，并利用自行編制的軟件檢測2 000個(gè)車輪踏面。實(shí)驗(yàn)硬件平臺選用型號為pia100-48gc的德國Basler公司的千兆網(wǎng)數(shù)字面陣CCD攝像機(jī)，8 mm日本computar鏡頭以及300 W的碘鎢燈。軟件運(yùn)行環(huán)境：Dell D631筆記本電腦，1 GB內(nèi)存，編程環(huán)境Visual C++6.0。為了定量判斷本文算法的檢測效果，采用以下三個(gè)指標(biāo)對算法進(jìn)行評價(jià)：

定位準(zhǔn)確率=檢測到的擦傷數(shù)目/擦傷總數(shù) (1)

漏識率＝未檢測到的擦傷數(shù)目/擦傷總數(shù) (2)

誤識率＝檢測到的非擦傷數(shù)目/擦傷總數(shù) (3)

圖3～圖6是其中兩幅擦傷圖像的可疑區(qū)域提取過程結(jié)果。圖6中的白色矩形框鎖定區(qū)域?yàn)椴羵梢蓞^(qū)域。表1為算法評價(jià)指標(biāo)結(jié)果。

從圖4～圖6可以看出，本文算法可以很好地對采集的踏面擦傷圖像進(jìn)行圖像平滑、踏面區(qū)域分割和擦傷可疑區(qū)域檢測。從表1可以看出,在2 000幅測試圖片中，擦傷定位準(zhǔn)確率為97.62%,誤檢率達(dá)到3.81%,漏檢率達(dá)到2.38%。造成擦傷漏檢的原因是：光照不均勻，造成拍攝的圖片灰度也不均勻，使擦傷區(qū)域特征不明顯。改進(jìn)措施：采用650 nm波長可見光LED平行光源，CCD前加裝峰值波長為650 nm的帶通濾光片，以降低背景光及雜散光的影響。擦傷誤檢的原因是：沿著輪緣邊緣線出現(xiàn)與擦傷特征相同的油污和雜質(zhì)等非缺陷，誤檢的擦傷在后面的識別算法中進(jìn)一步識別。降低誤檢率的措施可以考慮在檢測裝置前安裝清洗裝置，去除一部分雜質(zhì)或油污。

表1 算法評價(jià)指標(biāo)結(jié)果

[1]BELOTTI V,CRENNA F R,MICHELINI C.Wheel-flat diagnostic tool via wavelet transform[J].Mechanical Systems and Signal Processing,2006,20(8):1953-1966.

[2]FRANK S A.Technique for the detection of flat wheels on railroad cars by acoustical measuring means[P].United States,Utility Patent,4129276,1978.

[3]DOMINICK P A.Ultrasonic wheel probe with improved acoustic barrier[P].United States,Utility Patent,4763526,1988.

[4]ROBERT F V,WAYNE R C.Ultrasonic inspection method and system,united states[P].Utility Patent,7017414,2006.

[5]TRAIAN M.A dynamic model for the impact between the wheel flat and rail,UPB scientific bulletin,series D[J].Mechanical Engineering,2007,69(2):45-58.

[6]岳建海，裘正定，李鐵錨.基于連續(xù)子波變換的鐵路車輪踏面擦傷的在線檢測[J].鐵道學(xué)報(bào)，2003，25(4)：27-30.

[7]朱建明.機(jī)車運(yùn)行部動態(tài)故障非接觸式自動診斷系統(tǒng)的研究[J].機(jī)車電傳動，1999(5)：19-21.

[8]李景泉,劉繼.車輪踏面擦傷自動檢測方法的研究和試驗(yàn)[J].同濟(jì)大學(xué)學(xué)報(bào)，2003，31（4）：473-475.

[9]張穎濱.鐵路機(jī)車、車輛車輪踏面在線自動化探傷裝置[P].20030111599.3，2004.

[10]劉繼，馮銘.車輪踏面擦傷在線自動檢測方法的研究和試驗(yàn)[J]. 鐵道車輛，1995，33(2)：28-30.

[11]LIN H D,Tiny surface defect inspection of electronic passive components using discrete cosine transform decomposition and cumulative sum techniques[J].Image and Vision Computing,2008,26(5):603-621.

[12]YUAN T,KUO W.Spatial defect pattern recognition on semiconductor wafers using model-based clustering and bayesian inference[J].European Journal of Operational Research,2008,190(1):228-240.

[13]劉建群，曠輝，丁少華.基于視覺的表面貼裝芯片引腳檢測系統(tǒng)的研究[J].中國機(jī)械工程，2007，18(16)：1908-1912.

[14]謝佩軍，計(jì)時(shí)鳴，程越.基于計(jì)算機(jī)視覺的晶振帽缺陷自動檢測系統(tǒng)[J].儀器儀表學(xué)報(bào)，2008，29(5)：1080-1083.