[发明专利]一种基于改进SLIC方法的铁路货车地板破损故障识别方法

说明书

一种基于改进SLIC方法的铁路货车地板破损故障识别方法，它属于铁路货车地板破损故障识别技术领域。本发明解决了现有铁路货车地板破损故障识别方法存在的检测效率低以及检测成本高的问题。本发明将原始采集图像进行裁剪和拼接，拼接后图像更加突显了识别区域，且宽高比更适于图像分割；然后对原始SLIC算法进行优化，将种子点的选取由基于网格选取修改为基于感兴趣区域ROI和梯度信息的选取，提升算法在感兴趣区域内的分割效果，避免了由于分割效果差，影响识别结果的判断；最后对于分割区域进行筛选，将破损区域和容易混淆的雨水、泥渍等图像，采用SVM分类器进一步分类，降低误报警。本发明可以应用于铁路货车地板破损故障识别。

技术领域

本发明属于铁路货车地板破损故障识别技术领域，具体涉及一种基于改进SLIC方法的铁路货车地板破损故障识别方法。

背景技术

铁路货车地板破损故障是一种危及行车安全的常见故障，传统的侧部转向架工位，采用人工检查图像的方式进行故障检测。由于检车人员在工作过程中极易出现疲劳、遗漏等情况，造成漏检、错检的出现，影响行车安全。虽然深度学习方法的成功应用在一定程度上提升了检测的效率和准确率，但是由于深度学习方法存在自身的一些弊端，比如需要昂贵的GPU设备投入以及检测的效率较低。因此研究一种能够在提高检测效率的同时，降低检测成本的方法十分必要。

发明内容

本发明的目的是为解决现有铁路货车地板破损故障识别方法存在的检测效率低以及检测成本高的问题，而提出了一种基于改进SLIC方法的铁路货车地板破损故障识别方法。

本发明为解决上述技术问题采取的技术方案是：一种基于改进SLIC方法的铁路货车地板破损故障识别方法，所述方法包括以下步骤：

步骤一、获取途经货车的高清线阵图像；

步骤二、从步骤一获取的图像中截取出地板所在区域的原始图像；

步骤三、将步骤二获得的原始图像分为4个子区域，舍弃仅包含转向架的子区域后，对其余的3个子区域进行拼接，获得拼接图像；

步骤四、根据拼接图像中各像素点的灰度值，从拼接图像中定位出感兴趣区域；

步骤五、对定位出的感兴趣区域进行超像素分割，最终获得各个超像素块；

步骤六、从获得的各个超像素块中筛选出疑似故障超像素块，利用筛选出的疑似故障超像素块对SVM判别器进行训练，获得训练好的SVM判别器；

步骤七、对于采集的待识别图像，对待识别图像进行步骤二至步骤五的处理后获得超像素块，将筛选后疑似故障的超像素块输入训练好的SVM判别器进行判定，判定是否发生地板破损故障，并上传识别结果；

进一步地，所述高清线阵图像是利用搭建在货车轨道周围的高清设备获取的；

进一步地，所述从步骤一获取的图像中截取出地板所在区域的原始图像，需要利用硬件的轴距信息和地板部件的位置信息来实现；

进一步地，所述将步骤二获得的原始图像分为4个子区域，其中，原始图像左侧的1/4区域为第2子区域，原始图像右侧的1/4区域为第3子区域，第2子区域与第3子区域之间的区域的上半部分为第1子区域，第2子区域与第3子区域之间区域的下半部分为第4子区域；且每个子区域的边缘与相邻子区域的边缘有50个像素宽度的重叠；

将仅包含转向架信息的第4子区域去除后，将第2子区域和第3子区域拼接到第1子区域的下方，得到拼接图像；

进一步地，所述步骤四的具体过程为：

将拼接图像中各像素点做行列投影，将行方向上像素平均灰度值的波谷位置以及列方向上像素平均灰度值的波谷位置作为感兴趣区域的边界，进而定位出感兴趣区域；

进一步地，所述步骤五的具体过程为：