王茂盛

摘 要：本文設(shè)計(jì)了一種新的貨車故障軌邊圖像檢測(cè)系統(tǒng)（簡稱TFDS）圖像自動(dòng)識(shí)別系統(tǒng)的框架結(jié)構(gòu)，首先將待檢測(cè)部件的故障情況進(jìn)行分類，建立標(biāo)準(zhǔn)樣本圖庫。在此基礎(chǔ)上采用圖像處理和識(shí)別算法對(duì)車輛故障進(jìn)行自動(dòng)檢測(cè)和識(shí)別，系統(tǒng)核心功能模塊可分為兩個(gè)部分：部件檢測(cè)定位模塊和故障識(shí)別模塊。試用結(jié)果表明，采用該框架結(jié)構(gòu)的TFDS圖像自動(dòng)識(shí)別系統(tǒng)具有較高的識(shí)別準(zhǔn)確率。

關(guān)鍵詞：車輛運(yùn)用；TFDS；自動(dòng)識(shí)別；特征融合

1 引言

TFDS的投入應(yīng)用，改變了列檢作業(yè)方式，提高了鐵路貨車安全防范系數(shù)，減輕了現(xiàn)場(chǎng)檢車員的勞動(dòng)強(qiáng)度。但該系統(tǒng)在運(yùn)用過程中仍然受職工技術(shù)業(yè)務(wù)水平、人員勞動(dòng)組織等問題局限，影響了該系統(tǒng)在運(yùn)用工作中的作用的發(fā)揮。因此，分析查找問題產(chǎn)生原因，并采取相應(yīng)的措施加以改進(jìn)顯得十分重要?，F(xiàn)有的TFDS系統(tǒng)主要采用人工判讀的檢測(cè)方式，存在如下問題：

1.1 作業(yè)強(qiáng)度大，長時(shí)間的看圖作業(yè)會(huì)降低檢測(cè)的準(zhǔn)確性，造成常見、重點(diǎn)故障的漏檢。

1.2 對(duì)人員的水平要求高，每輛車都有大量的待檢測(cè)故障點(diǎn)，不同類型車輛的檢測(cè)位置也各不相同，室內(nèi)檢車員必須對(duì)車輛基礎(chǔ)知識(shí)掌握全面，人員培訓(xùn)和維護(hù)成本較高。

1.3 檢測(cè)各個(gè)環(huán)節(jié)都是人為操控，檢測(cè)周期長，耗費(fèi)大量人力，效率低。

為解決這些問題，我們?cè)O(shè)計(jì)了TFDS圖像自動(dòng)識(shí)別系統(tǒng)的框架結(jié)構(gòu)，并在此基礎(chǔ)上實(shí)現(xiàn)了一套基于TFDS圖像的自動(dòng)識(shí)別系統(tǒng)。系統(tǒng)通過對(duì)拍攝圖像信息進(jìn)行檢測(cè)和分析，給出貨車車輛的檢測(cè)結(jié)果報(bào)告。通過對(duì)圖像的處理，檢測(cè)出車輛的關(guān)鍵部件是否有異常情況，并可以自動(dòng)完成異常圖像的自動(dòng)位置定位和異常類型的歸類。

2 TFDS圖像自動(dòng)識(shí)別系統(tǒng)框架

2.1 系統(tǒng)總體框架

在TFDS圖像自動(dòng)識(shí)別系統(tǒng)的框架設(shè)計(jì)前期，經(jīng)過對(duì)各種類型車輛檢測(cè)的相關(guān)調(diào)研，我們首先將待檢測(cè)部件的故障情況進(jìn)行分類，建立標(biāo)準(zhǔn)樣本圖庫。在此基礎(chǔ)上采用圖像處理和識(shí)別算法對(duì)車輛故障進(jìn)行自動(dòng)檢測(cè)和識(shí)別，系統(tǒng)核心功能模塊可分為兩個(gè)部分：部件檢測(cè)定位模塊和故障識(shí)別模塊。

部件檢測(cè)定位模塊的作用是在圖像中自動(dòng)檢測(cè)并定位到需要進(jìn)行故障識(shí)別的各個(gè)部件，部件檢測(cè)定位算法能夠自動(dòng)告訴識(shí)別系統(tǒng)某個(gè)待查部件在TFDS圖像中的具體位置，這個(gè)步驟的性能直接影響到故障識(shí)別的精度。

故障識(shí)別模塊的作用就是從檢測(cè)定位到的圖像中識(shí)別出該部件是否出現(xiàn)故障、出現(xiàn)了什么故障，最后進(jìn)行匯總、匯報(bào)給TFDS系統(tǒng)哪些部件出現(xiàn)了何種故障。為保證整個(gè)系統(tǒng)的可靠性，系統(tǒng)采用了三種不同的識(shí)別算法來對(duì)部件故障進(jìn)行分析，最后的識(shí)別結(jié)果由三種算法的結(jié)果投票得出，因此系統(tǒng)的故障識(shí)別模塊中又包含三個(gè)子模塊，每個(gè)子模塊對(duì)應(yīng)一個(gè)不同的具體的識(shí)別算法，TFDS圖像的自動(dòng)識(shí)別過程就是利用三種不同的算法進(jìn)行識(shí)別是否出現(xiàn)故障，只有當(dāng)兩個(gè)以上的算法認(rèn)為出現(xiàn)故障時(shí)，系統(tǒng)才認(rèn)為某個(gè)部件出現(xiàn)某種故障，這樣各個(gè)算法間就可以相互合作從而實(shí)現(xiàn)更好的識(shí)別效果，保證了整提算法的可靠性。

2.2 自動(dòng)識(shí)別系統(tǒng)模塊算法

2.2.1 部件檢測(cè)定位算法

部件檢測(cè)定位算法需要首先訓(xùn)練一個(gè)用于部件定位的分類器，部件檢測(cè)定位算法的整體流程如圖1所示。經(jīng)過對(duì)各種類型車輛檢測(cè)的相關(guān)調(diào)研，我們首先將待檢測(cè)部件的故障情況進(jìn)行分類，建立標(biāo)準(zhǔn)樣本圖庫，在分類器的訓(xùn)練過程中，樣本圖庫中的正樣本和反樣本在經(jīng)過預(yù)處理和特征提取后，經(jīng)過訓(xùn)練形成該部件的分類器，在后續(xù)的檢測(cè)定位過程中，待檢測(cè)部位圖像經(jīng)過同樣的預(yù)處理和特征提取算法后，由先前訓(xùn)練好的分類器進(jìn)行分類，最后依據(jù)分類結(jié)果確定圖像的某一部位是否存在部件。對(duì)于一副TFDS圖像，固定一個(gè)掃描窗口，將整幅TFDS圖像掃描一遍后，依據(jù)每一個(gè)掃描窗口的分類結(jié)果，便可實(shí)現(xiàn)對(duì)部件的精確定位。

2.2.2 故障自動(dòng)識(shí)別模塊

如前所述，為了保證整個(gè)系統(tǒng)的可靠性，系統(tǒng)采用了三種不同的識(shí)別算法來對(duì)部件故障進(jìn)行分析，最后的識(shí)別結(jié)果由三種算法的結(jié)果投票得出，所采用的三種具體識(shí)別算法介紹如下：

◆ 全局與局部特征融合

TFDS圖像自動(dòng)識(shí)別系統(tǒng)中的故障自動(dòng)識(shí)別子模塊1主要是將全局的FFT特征和局部的Gabor特征進(jìn)行融合，分別從局部和全局去描述部件特征，從而更全面地從特征層面上去描述一個(gè)部件。識(shí)別框架如圖2所述：

算法的主要流程即首先要對(duì)圖片進(jìn)行Gabor和FFT變換，再經(jīng)過PCA和LDA降維優(yōu)化，通過SVM模型各自得到一個(gè)分?jǐn)?shù)進(jìn)行分?jǐn)?shù)級(jí)融合，最后通過閾值判斷，并給出模塊1對(duì)該部件的識(shí)別結(jié)論。

◆ GBDT和隨機(jī)森林的融合

Gabor和FFT都是從頻域上去描述部件，而部件圖像的灰度信息中也存在著大量的可用信息，并且這些信息的穩(wěn)定性和可靠性也很高，比如像素點(diǎn)差分特征。像素點(diǎn)差分特征屬于離散特征，適合用決策樹進(jìn)行分類識(shí)別。TFDS圖像自動(dòng)識(shí)別系統(tǒng)中的故障自動(dòng)識(shí)別子模塊2的識(shí)別框架如圖3所示：

算法的主要流程即將部件圖像的像素點(diǎn)差分特征分別送入GBDT和隨機(jī)森林模型，然后再對(duì)GBDT和隨機(jī)森林模型的輸出結(jié)果進(jìn)行決策級(jí)的融合，最終給出自動(dòng)識(shí)別模塊2對(duì)該部件的識(shí)別結(jié)論。

◆ 局部Gabor變化直方圖和相關(guān)性特征挑選

Gabor特征在自動(dòng)識(shí)別模塊1中做為局部特征來對(duì)部件圖像進(jìn)行描述，使用Gabor濾波后的幅值直接作為特征描述，其中雖然包含了很多部件的細(xì)節(jié)信息，但是同時(shí)也存在很多無用的冗余信息，為了彌補(bǔ)這個(gè)缺點(diǎn)，我們?cè)谙到y(tǒng)的自動(dòng)識(shí)別子模塊3中使用局部Gabor二值模式直方圖對(duì)Gabor特征進(jìn)行編碼壓縮，在去除Gabor特征冗余的同時(shí)，可結(jié)合局部二值模式特征LBP的對(duì)光照的魯棒性，并且使用直方圖表示對(duì)特征進(jìn)行維度壓縮，進(jìn)一步增強(qiáng)算法的穩(wěn)定性。TFDS圖像自動(dòng)識(shí)別系統(tǒng)中的故障自動(dòng)識(shí)別子模塊3 的識(shí)別框架如圖4所示：

3 系統(tǒng)檢測(cè)效果

下面以現(xiàn)場(chǎng)常見的擋鍵丟失類故障為例，給出所設(shè)計(jì)的系統(tǒng)在試用現(xiàn)場(chǎng)的檢測(cè)效果。

擋鍵丟失故障是經(jīng)常出現(xiàn)的故障，工人在檢測(cè)是需要手動(dòng)在圖片上標(biāo)記紅框同時(shí)需要判別該轉(zhuǎn)向架型號(hào)，然后提交上報(bào)，整個(gè)時(shí)間大概需要10秒。自動(dòng)識(shí)別可以用1秒識(shí)別出故障并標(biāo)注。如圖5所示，對(duì)于擋鍵沒有丟失的圖片，所設(shè)計(jì)的系統(tǒng)能夠準(zhǔn)確通過綠色提示框給現(xiàn)場(chǎng)工人提示，減少重復(fù)查看，而對(duì)于擋鍵丟失的故障，系統(tǒng)會(huì)準(zhǔn)確地通過紅色警示框提醒現(xiàn)場(chǎng)工人。

4 結(jié)束語

針對(duì)TFDS圖像自動(dòng)識(shí)別系統(tǒng)的算法改進(jìn)，有助于提高整個(gè)自動(dòng)識(shí)別系統(tǒng)的識(shí)別準(zhǔn)確率和實(shí)用性。為此本文設(shè)計(jì)了一種新的TFDS圖像自動(dòng)識(shí)別系統(tǒng)的框架結(jié)構(gòu)，其中廣泛采用了特征融合和決策融合的思想。試用結(jié)果表明，采用該框架結(jié)構(gòu)的TFDS圖像自動(dòng)識(shí)別系統(tǒng)具有較高的識(shí)別準(zhǔn)確率和實(shí)用性。