王聞陽+高宏巖+林興鵬
摘 要: 現有的機車入庫受電弓檢測方法,除人工檢測外大多需要機械手臂搭載傳感器運動到受電弓附近。這類方法在復雜環(huán)境下使用時有著一定的局限性?,F提出一種直接使用相機拍照的圖像檢測方法,利用感知哈希算法對檢測到的圖像進行對比,自動識別出被檢測對象的圖像,避免了因使用機械臂等設備帶來的干擾,所采集到的圖像可作為受電弓滑板磨耗檢測系統(tǒng)重要的數據來源。
關鍵詞: 受電弓滑板; 感知哈希算法; 圖像檢測; 機車入庫
中圖分類號:U264.3+4 文獻標志碼:A 文章編號:1006-8228(2018)02-58-04
Abstract: The existing detection methods of electric locomotive pantograph strip, excepting for manual testing, most of them need a mechanical arm equipped with sensor moving to the location near pantograph. These methods have limitations when they are used in a complex environment. In this paper a new image detection method used camera directly has been proposed, it uses perceptual Hash algorithm to contrast images and automatically identifies the image of the detected object, avoiding the interference caused by the use of mechanical arm. The image collected can be used as an important data source of pantograph strip abrasion detection system.
Key words: pantograph strip; perceptual Hash algorithm; image detection; locomotive in maintenance workshop
0 引言
我國現有鐵路干線以電氣化鐵路為主,電氣化鐵路以電力牽引作為主要牽引方式,受電弓作為電力機車與接觸網的連接部分,其性能在列車運行時十分重要[1]。在對受電弓檢修的操作中,弓頭部分的檢查是重要環(huán)節(jié),受電弓滑板碳條因運行產生磨耗,其厚度一旦小于規(guī)定值就需要立即更換,避免在列車運行中發(fā)生事故。
受電弓滑板狀態(tài)檢測方法主要有三種。①人工檢測的方法。這是最傳統(tǒng)的方法,需要操作人員在機車入庫的情況下登上車頂,使用直尺進行人工測量,該方法的主要缺點是,登上車頂前機車需要進行停車、落弓等一系列動作以滿足登頂要求;人工作業(yè)時具有較大安全隱患等[2-3]。②接觸式檢測方法。依靠埋在滑板內的光纖,當滑板受到大沖擊作用產生磨耗時,通過電位變化探明受電弓滑板狀態(tài)[4-6]。③利用機械臂搭載激光、超聲等傳感器進行測量。在有磨耗的地方,傳感器接收到的信號會有差別[7-8]。此類方法需要操作機械臂移動到受電弓附近,由于接觸網與受電弓相接,在操作機械臂時要避免與接觸網發(fā)生碰撞,對設備安放位置和機械臂操作有著較高的要求[9]。④利用圖像處理技術。機車觸發(fā)光電傳感器時啟動攝像頭對受電弓進行圖像采集,通過電纜將圖像傳輸到拍攝點附近的控制室,由上位機端通過圖像處理技術完成對受電弓的檢測[10-11]。該方法的效果優(yōu)異,但也有一些局限性:利用電纜傳輸時設備不宜離控制中心過遠;包括光電傳感器在內的設備安裝、調試需要經過較為復雜的步驟和較長的時間;使用時需要搭建一個新的機庫,成本較高。
考慮到以上幾種方法的優(yōu)缺點,提出了一種基于感知哈希算法的受電弓滑板圖像檢測方法,利用算法代替光電傳感器起到對相機的控制,將采集到的圖像通過無線傳輸的方式傳給上位機端進行處理。
1 檢測系統(tǒng)設計
圖像檢測系統(tǒng)有三大組成部分,分別是采集端、服務器端和上位機端。采集端負責對受電弓進行圖像采集。服務器端運用無線傳輸技術,將接收到圖像發(fā)送至上位機端。上位機端對接收到的圖像進行自動處理,得到受電弓滑板部分的圖像。
1.1 采集端設計
感知哈希算法應用在采集端,用于判定圖像中是否有目標受電弓存在。相機采用定時定點拍照的方式,調整角度使相機鏡頭對準受電弓所處位置,先拍攝一張沒有受電弓存在的圖像,圖像被處理后作為圖像對比時的基準圖像使用。之后相機進行定時拍照,拍攝的每副圖像與基準圖像作對比,正常工況下,沒有受電弓時圖像與基準圖像相似度極高,而當受電弓進入相機鏡頭范圍并被拍攝到時,與基準圖像的相似度較低。圖像相似程度的計算由感知哈希算法完成。
哈希算法二進制值進行映射,映射后的二進制值長度較短,稱為哈希值,常用于數據的搜索與加密[12],感知哈希算法是其在圖像搜索領域中的應用[13-14]。對于圖像數據,感知哈希算法能較為準確的對比兩副圖像的相似程度,并且有著極快的對比速度。因此,在不需要高精度圖像對比的工作中,感知哈希算法有著很大的應用價值。
感知哈希算法的核心是映射,將圖像映射為一組確定的字符串,稱為“指紋”,將不同圖像的指紋進行對比,就能得到圖像相似度,感知哈希算法提取指紋的步驟如下:
⑴ 尺寸轉換。將圖像的尺寸縮小至8×8大小共64個像素,只保留圖像結構、亮暗等信息,排除因變形、拉伸等原因產生的干擾因素,只針對重要信息進行指紋提取。endprint
⑵ 灰度轉換。將圖像轉換為灰度圖像,為下一步計算作準備。
⑶ 計算灰度的平均值。此值作為指紋提取的重要指標。
⑷ 灰度值比較。將每個像素與平均灰度值作比較,大于(或相等)時記為1,小于時則記為0。
⑸ 生成哈希值。將上一步記錄下的數值組合在一起,即得到圖像的哈希值,作為提取出的圖像指紋,該指紋是一個64位整數。
將不同圖像提取到的指紋按位對比,即可計算出圖像的相似程度,對比結果即兩圖像間不同數據位的數量,可轉換為百分比的形式表示,或作為后續(xù)程序執(zhí)行的依據。
1.2 服務器端設計
要將圖像傳到上位機端,必須經過服務器端的連接,需要為該系統(tǒng)搭建專門的服務器端。服務器端可在互聯網上實現功能,進行圖像長距離無線傳輸,使用TCP/IP協(xié)議,需要利用動態(tài)域名解析服務來完成?;ヂ摼W用戶通過本地的域名服務器獲得網站域名的IP地址。在服務器端的出口和入口處,需要將傳輸數據編碼,使得采集到的圖像信息轉換為適合TCP/IP協(xié)議傳輸的數據。
1.3 上位機端設計
上位機端將服務器端傳來的圖像保存到固定文件夾,利用MATLAB軟件循環(huán)遍歷文件夾中的圖像,并進行圖像處理,最終獲得需要的數據。每處理完一副圖像,將此圖像從原有文件夾中移除,轉移到一個新文件夾中作為留存,原文件夾中圖像數正常情況下不會大于一張,降低了MATLAB圖像處理的壓力和發(fā)生讀取錯誤可能性。
MATLAB具有完備的圖形處理功能和豐富的工具箱,可對圖像進行裁剪、濾波等預處理,進而可進行邊緣檢測等深度處理[15],上位機端圖像處理流程如圖1所示。
2 檢測過程
2.1 設備選取與架設
系統(tǒng)采集端程序由java語言編寫,可在搭載Android平臺的移動設備上進行調試運行。上位機端需要安裝MATLAB軟件作為圖像處理平臺,同時需要相應的服務器程序。詳細設備清單如表1所示。
由三腳架、手機組成拍攝設備,經現場調試,設備拍擺放位置選擇在距車門后沿370cm的檢修架平臺上。將攝像頭對準受電弓前弓與接觸網接觸的中心位置,調整角度使受電弓上下邊緣盡可能與圖像底邊平行。設備架設位置如圖2所示。
2.2 操作步驟
⑴ 在上位機端連接互聯網的前提下,打開花生殼軟件,運行編寫好的ECLIPSE程序、MATLAB程序,上位機端進入自動模式。
⑵ 采集端打開集成了感知哈希算法的軟件,進入自動拍照、對比、傳輸的模式。
⑶ 系統(tǒng)進入自動檢測階段,在上位機端可查看已檢測到的受電弓圖像和基本信息。
3 檢測結果
通過與基準圖像比對,經現場測試得出相似度閾值,當相似度低于90%時視為采集到受電弓圖像,執(zhí)行圖像傳輸功能。圖3為感知哈希算法對比圖像,經感知哈希算法計算,兩幅圖像的相似度為75%,低于設定值,因此待判斷圖像被視作包含受電弓的圖像,傳輸至上位機端。
傳輸至上位機端的圖像,通過MATLAB軟件自動進行預處理。裁剪前預處理包含對比度拉伸、濾波、等內容,可減少圖像噪點、增強對比度,對后期邊緣提取效果有很大提升[16]。裁剪后包含裁剪、圖像變換等內容,可提取到關鍵位置圖像并進行邊緣提取,獲得關鍵位置的邊緣信息,預處理結果如圖4所示。
在獲取到關鍵位置的圖像后對接觸網進行定位。定位接觸網對整個系統(tǒng)有重要意義,在定位受電弓滑板上、下邊緣時,有效屏蔽接觸網圖像,排除接觸網帶來的干擾。圖5為定位到的接觸網圖像。
圖5 定位到的接觸網圖像
定位到接觸網后,通過算法確定受電弓滑板下邊緣,由下邊緣向上搜索得到上邊緣[17],最終確定受電弓滑板的邊緣。定位到的滑板下邊緣圖像,可結合下邊緣齊整的實際特點對下邊緣進行擬合。圖6為受電弓滑板邊緣檢測圖像。可以看出擬合后的下邊緣更為連續(xù),能搜索到更多的上邊緣信息,進一步減小接觸網對滑板邊緣定位帶來的干擾。
圖6 受電弓滑板邊緣圖像
4 結論
本文基于感知哈希算法采集到受電弓滑板圖像,通過對軟件、硬件的設計,成功實現了受電弓圖像采集、自動化圖像處理等功能。通過感知哈希算法可以從圖像的角度判定是否獲取到受電弓圖像,無需使用紅外傳感器等硬件,使得本系統(tǒng)具有搭設快捷、成本低廉的特點。由本系統(tǒng)檢測到的受電弓圖像,可提取到接觸網、下邊緣、上邊緣等重要圖像信息,為后期實現受電弓滑板自動磨耗檢測提供了重要的數據支持,具有很高的實驗和實用價值。
參考文獻(References):
[1] 錢清泉.電氣化鐵道微機監(jiān)控技術(電氣化鐵路基本知識(修訂版))[M].中國鐵道出版社,2000.
[2] 馮倩,陳維榮,王云龍.受電弓滑板磨耗測量算法的研究[J].鐵道學報,2010.1:109-113
[3] 仲崇成,李恒奎,李鵬,等.高速綜合檢測列車綜述[J].中國鐵路,2013.6:89-93
[4] 黃艷紅.受電弓滑板磨耗圖像檢測算法研究[D].西南交通大學,2008.
[5] 尹保來,王伯銘.超聲波測距原理在受電弓磨耗檢測中的應用[J].機車電傳動,2008.5:57-59
[6] Tatsuya KOYAMA,劉志榮.用裝在接觸網上的傳感器探測受電弓缺陷的方法[J].國外鐵道機車與動車,2017.2:30-34
[7] 孟祥奎,吳積欽.受電弓和接觸網運行狀態(tài)定點監(jiān)測裝置[J].電氣化鐵道,2010.2:32-34
[8] 羅鵬,王澤勇,高曉蓉,等.電力機車入庫受電弓滑板磨耗檢測[J].光電工程,2004.31:88-90
[9] 韓志偉,劉志剛,張桂南等.非接觸式弓網圖像檢測技術研究綜述[J].鐵道學報,2013.6:40-47
[10] 賈成芬,王伯銘,孫豐暉.基于OpenGL的受電弓磨耗檢測系統(tǒng)圖像化設計[J].機械工程與自動化,2010.6:21-22,25
[11] 孟歡,楊雪榮,呂文閣等.一種單軌列車受電弓滑板磨耗檢測系統(tǒng)的設計[J].鐵道標準設計,2017.8:151-154
[12] 王金海,魏寧,崔軍等.一種生物證書密鑰生成算法[J].哈爾濱工業(yè)大學學報,2016.11:90-95
[13] 姚永明,楊純,吳凌燕,等.關于對圖像哈希算法的研究與應用[J].西安文理學院學報(自然科學版),2016.19(5):30-33
[14] 唐小蔓,王云飛,鄒復好等.基于多哈希算法的大規(guī)模圖像快速檢索方法[J].計算機工程與科學,2016.7:1316-1321
[15] 趙小川.現代數字圖像處理技術提高及應用案例詳解:MATLAB版[M].北京航空航天大學,2012.
[16] 林玉池,崔彥平,黃銀國.復雜背景下邊緣提取與目標識別方法研究[J].光學精密工程,2006.3:90-95
[17] 師鵬燕,王黎,高曉蓉等.基于仰拍方式的受電弓滑板圖像檢測[J].機車電傳動,2010.1:57-59endprint