曾樹(shù)華 黃銀秀

摘要：目的：在鐵路鋼軌傷損檢測(cè)這一特殊領(lǐng)域，驗(yàn)證經(jīng)典的五種邊緣檢測(cè)算法的有效性;方法：利用MATLAB2016版本中自帶的log算子、Canny算子，roberts算子、prewitt算子、sobe算子，對(duì)采集的鋼軌圖片進(jìn)行檢測(cè)，統(tǒng)計(jì)其檢出率、錯(cuò)檢率和漏檢率;結(jié)果：log檢測(cè)法檢出率最高，性能優(yōu)于其他四種方法;結(jié)論：經(jīng)典的五種邊緣檢測(cè)算法在鋼軌表面損傷檢測(cè)有一點(diǎn)效果。

關(guān)鍵詞：機(jī)器視覺(jué);邊緣檢測(cè)算法;鋼軌表面損傷

1.引言

鐵路安全運(yùn)行，基礎(chǔ)在鋼軌完整，但鋼軌面對(duì)火車(chē)的高速撞擊摩擦，損耗很大，及時(shí)全面檢測(cè)鐵軌損傷至關(guān)重要，鋼軌探傷應(yīng)運(yùn)而生。鋼軌就其傷損來(lái)說(shuō)有內(nèi)部傷損和外部傷損，內(nèi)部傷損探傷雖然重要，外部傷損及時(shí)探測(cè)也很必須：及時(shí)發(fā)現(xiàn)可以及時(shí)打磨，延長(zhǎng)鋼軌使用壽命;乃至及時(shí)更換鋼軌，保證行車(chē)安全。目前鋼軌探傷技術(shù)層出不窮，就技術(shù)流派來(lái)看有超聲波探傷、渦流探傷、射線探傷、激光探傷、磁粉探傷等。超聲波探傷是目前應(yīng)用最廣的一種鋼軌探傷技術(shù)，它利用探頭發(fā)射超聲波，聲束在介質(zhì)傳輸過(guò)程中遇到缺陷界面，將產(chǎn)生反射或使穿透波聲能下降，探傷儀接收端接收到回波和穿透波，根據(jù)回波信號(hào)和穿透波信號(hào)強(qiáng)弱變化判斷缺陷。但在近表面，超聲波存在準(zhǔn)確度很低，形成近表面探測(cè)盲區(qū)，故一般不用于鋼軌表面探傷情況。渦流探傷是利用通電線圈產(chǎn)生交變磁場(chǎng)，磁場(chǎng)將以鋼軌為導(dǎo)磁體，在鋼軌內(nèi)部形成渦流，當(dāng)存在缺陷時(shí)會(huì)引起渦流變化，進(jìn)而導(dǎo)致檢測(cè)線圈電壓和阻抗的改變，從而判斷缺陷的存在及其他信息，渦流探傷在單缺陷情況下檢測(cè)精度較高，但在鄰近存在多缺陷情況下容易出現(xiàn)誤判和漏判。磁粉探傷技術(shù)將鋼軌磁化，利用鋼軌缺陷處磁導(dǎo)率將與正常處磁導(dǎo)率存在差異，吸引磁粉堆積堆積也存在差異，再目測(cè)堆積磁粉的差異判斷傷損是否存在，其最終還是依賴(lài)人工目測(cè)，故只作為鋼軌檢測(cè)的輔助技術(shù)。

2.邊緣檢測(cè)技術(shù)介紹

機(jī)器視覺(jué)模仿人眼，對(duì)圖像特征進(jìn)行辨別，存在設(shè)備簡(jiǎn)單等優(yōu)點(diǎn)，一經(jīng)出現(xiàn)即受到廣泛重視，各種人工智能算法不斷出現(xiàn)，目前廣泛應(yīng)用與車(chē)牌識(shí)別、人臉識(shí)別等領(lǐng)域。在鋼軌表面?zhèn)麚p檢測(cè)中，準(zhǔn)確識(shí)別缺陷邊緣是最核心之處，常用的邊緣檢測(cè)技術(shù)有Roberts算子、Prewitt算子、Sobel算子、Canny和其他一些邊緣自適應(yīng)算法。Roberts算子是利用交叉微分算法，通過(guò)計(jì)算2X2模版上正負(fù)45O的一階導(dǎo)數(shù)得到偏導(dǎo)數(shù)，再通過(guò)局部差分?jǐn)?shù)值確定檢測(cè)邊緣。改方法計(jì)算簡(jiǎn)單，但對(duì)邊緣定位準(zhǔn)確度不高，且邊緣線條較粗。Prewitt算子是在3X3模版上，利用區(qū)域內(nèi)上下、左右鄰點(diǎn)的像素灰度差實(shí)現(xiàn)邊緣檢測(cè)。由于Prewitt算子采用上下、左右鄰點(diǎn)的像素灰度差而非45O交叉計(jì)算偏導(dǎo)數(shù)，再取一定閥值定位邊緣，故在垂直方向和水平方向效果優(yōu)于Robert算子，并有一定平滑噪聲效果。Sobel算子與Prewitt算子一樣，采用的是3X3模版，利用區(qū)域內(nèi)上下、左右鄰點(diǎn)的像素灰度差實(shí)現(xiàn)邊緣檢測(cè)。但與Prewitt算子不同的是，Sobel算子區(qū)分了距離不同的像素點(diǎn)對(duì)當(dāng)前像素點(diǎn)的影響因子，引入不同權(quán)重，簡(jiǎn)單來(lái)說(shuō)，距離越近，權(quán)重越大，距離越遠(yuǎn)，權(quán)重越小，從而實(shí)現(xiàn)圖像銳化，邊緣檢測(cè)效果好。log邊緣檢測(cè)算法，Laplacian 算子是維歐幾里德空間中的一個(gè)二階微分算子，中心像素往鄰近的上下左右四個(gè)方向或八方向求微分，再將微分值求和，Laplacian 算子用于邊緣識(shí)別時(shí)優(yōu)點(diǎn)在于準(zhǔn)確度高，幾乎無(wú)假邊緣，但抗噪能力差。Canny邊緣檢測(cè)與log邊緣檢測(cè)算法一樣的步驟：先平滑，后求導(dǎo)數(shù)。先是對(duì)圖像進(jìn)行預(yù)處理，采用高斯平滑濾波，接著計(jì)算梯度幅值和方向，對(duì)梯度幅值進(jìn)行非極大抑制，剔除假邊緣;最后采用高低兩閥值尋求邊緣連接點(diǎn)，閉合圖像邊緣。

3.實(shí)驗(yàn)過(guò)程及結(jié)果

為比較五種邊緣檢測(cè)技術(shù)在鋼軌表面損傷檢測(cè)的效果，本文在MATLAB2016平臺(tái)中編寫(xiě)程序驗(yàn)證，調(diào)用軟件內(nèi)嵌邊緣檢測(cè)函數(shù);素材采取五張自拍的鋼軌表面損傷圖片，每張圖上有一處砸傷及魚(yú)鱗傷，分別利用上述五種邊緣檢測(cè)技術(shù)驗(yàn)證檢測(cè)效果。

結(jié)果：roberts算子、prewitt算子、sobel算子砸傷5次，檢出5次，檢出率100%，漏檢率為零;魚(yú)鱗傷5次，檢出0次，漏檢率100%;log算子檢測(cè)方法檢測(cè)出砸傷1次和魚(yú)鱗傷5，砸傷檢出率20%，魚(yú)鱗傷檢出率100%，但砸傷傷損類(lèi)別檢錯(cuò)為魚(yú)鱗傷4次，錯(cuò)檢率80%;Canny算子檢測(cè)法將全部鋼軌邊緣檢測(cè)成傷損邊緣，錯(cuò)檢率100%。log算子檢測(cè)方法將部分鋼軌邊緣檢測(cè)成傷損?？紤]鐵路安全的重要性，可以錯(cuò)檢，通過(guò)人工核傷進(jìn)一步確定，但不能存在漏檢，故總體性能log算子優(yōu)于其他方法。

4.結(jié)論

單純的五種傳統(tǒng)邊緣檢測(cè)技術(shù)檢測(cè)鋼軌表面?zhèn)麚p存在錯(cuò)檢漏檢，無(wú)法完成檢測(cè)任務(wù)，鑒于鋼軌表面?zhèn)麚p形態(tài)多樣，圖片采集時(shí)背景復(fù)雜，建議優(yōu)化方向：在鋼軌表面?zhèn)麚p檢測(cè)中，可以將具體任務(wù)優(yōu)化分解，先把鋼軌整體檢測(cè)出來(lái)，再檢測(cè)鋼軌區(qū)域類(lèi)的傷損;其次是優(yōu)化目前算法，采用機(jī)器學(xué)習(xí)等。

參考文獻(xiàn)：

[1]田貴云，高斌，高運(yùn)來(lái)，王平，王海濤，石永生.鐵路鋼軌缺陷傷損巡檢與監(jiān)測(cè)技術(shù)綜述[J].儀器儀表學(xué)報(bào)，2016，37（08）：1763-1780.

[2]管宏蕊，丁輝.圖像邊緣檢測(cè)經(jīng)典算法研究綜述[J].首都師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，30（S1）：66-69..

[3]劉澤，王嵬，王平.鋼軌表面缺陷檢測(cè)機(jī)器視覺(jué)系統(tǒng)的設(shè)計(jì)[J].電子測(cè)量與儀器學(xué)報(bào)，2010，24（11）：1012-1017.

[4]付圣雯.基于圖像的鋼軌軌面缺陷檢測(cè)識(shí)別技術(shù)研究[D].蘭州交通大學(xué)，2020.

[5]龍珍，唐曼玲，李靜靜.基于機(jī)器視覺(jué)的鋼軌缺陷檢測(cè)方法綜述[J].電子技術(shù)與軟件工程，2015（12）：133.

基金支持：湖南省教育廳資助科研項(xiàng)目（19C1214）