[发明专利]一种基于机器学习的地铁高度调节阀紧固螺母定位方法

权利要求书

1.一种基于机器学习的地铁高度调节阀紧固螺母定位方法，其特征在于包括以下步骤：

S1:采集地铁列车全车底部的图像信息，根据车厢的不同对图像进行切割，获得包含高度调节阀部件的全车底部高清彩色图像；

S2:建立深度神经网络分类器对高度调节阀部件进行定位；建立支持向量机分类器对高度调节阀部件中紧固螺母的位置区域进行定位；

S3:使用K-Means聚类算法对定位后的紧固螺母图像进行初步分割；

S4:根据边界特征方法对地铁高度调节阀紧固螺母进行精确分割：采用区域生长法对初步分割后的二值图像进行限定区域搜索去除背景杂点，精确提取紧固螺母；

S4具体包括以下步骤：计算ROI区域的水平方向投影和竖直方向投影，根据投影曲线表现的边界特征进一步确定螺母所在区域，在水平方向投影中，以经过峰值点纵坐标的水平直线为中心分割原图像，取上下两图像各自高度的二分之一位置划定水平线，分别设定为ROI上边界和下边界；在垂直方向投影中，将峰值右侧出现的第一个波谷记为ROI左边界，图像右侧出现的第一个非零值记为ROI右边界，完成螺母所在区域的精准提取。

2.根据权利要求1所述的一种基于机器学习的地铁高度调节阀紧固螺母定位方法，其特征还在于：所述S2具体采用如下方式：

a、生成高度调节阀部件的样本库，其中正样本为只包含高度调节阀部件的图像，负样本为不包含高度调节阀的其他部件图像；

b、采用深度神经网络算法对样本进行训练，建立深度学习分类器，对高度调节阀部件进行整体定位；

c、生成高度调节阀部件中紧固螺母的样本库，其中正样本为包含紧固螺母的图像，负样本为不包含紧固螺母的其他部件图像；

d、采用支持向量机完成正负样本训练，建立紧固螺母分类器，实现紧固螺母的定位。

3.根据权利要求1所述的一种基于机器学习的地铁高度调节阀紧固螺母定位方法，其特征还在于：所述S3具体采用如下方式：

S31:对定位后的紧固螺母图像进行对比度增强处理，采用直方图均衡化方法增大图像中感兴趣的紧固螺母区域与背景区域的对比度差异；

S32:利用K-Means聚类算法将图像聚类划分，将紧固螺母区域与图像背景区域分离，具体采用如下方式：

S321:设定样本分类数量为2，即划分为C₁、C₂两个类别，每个类别选择一个聚类中心，采用中心化算法确定初始聚类中心点；

S322:对于图像中的每一个像素点，采用公式(2)计算每个像素点与这些聚类中心的欧氏距离，采用公式(3)按距离最近的准则将每个像素点分到距离它们最近的聚类中心所对应的类；

其中，E是平方误差，x是样本点，μ_i是类别C_i的均值向量；

S323:更新聚类中心：将每个类别中所有对象对应的均值作为该类别的聚类中心，得到更新后的2个中心点；

S324:设定算法终止条件为最大循环数目M和精度阈值N，比较更新后的2个中心点与S321中的2个初始聚类中心点之间的差值，若差值小于精度阈值N，则按照类别不同赋予像素点0或255的灰度值并输出图像；若差值大于精度阈值，则继续S322～S324直至循环满足条件为止；

S325:对图像进行灰度判定，由于ROI区域像素数小于背景区域所占像素，如果输出图像灰度值为255的像素个数较多，则图像灰度取反后输出最终结果；反之，直接输出最终结果；

S33:使用图像形态学的开运算对图像进行处理消除部分的干扰像点。