[发明专利]一种铁路动车风挡破损故障检测方法、系统及装置

说明书

一种铁路动车风挡破损故障检测方法、系统及装置，它属于铁路动车风挡破损故障检测技术领域。本发明解决了采用传统的中值滤波方法对图像进行预处理获得的图像模糊，导致故障检测的准确程度低的问题。本发明采用一种均衡中值滤波算法，在去除大部分噪声的同时保留图像的细节信息，降低图像的模糊程度，进而提升故障检测的准确程度。为了降低Canny算法中阈值选择对边缘特征提取效果的影响，本发明提出一种GA‑Canny算法，采用遗传算法找到最优的Canny阈值，提高后续检测网络的检测准确程度。本发明可以应用于铁路动车风挡破损故障检测。

技术领域

本发明属于铁路动车风挡破损故障检测技术领域，具体涉及一种铁路动车风挡破损故障检测方法、系统及装置。

背景技术

传统的铁路动车故障检测多数采用人工看图的方式查看是否发生故障，检测成本高，效率低，且检测结果易受检车人员疲劳程度、经验等的影响。采用计算机的方式实现故障自动检测算法可以有效的降低成本，同时避免了由于检车人员疲劳等造成的故障漏检、误检，提升了故障检测的准确程度。但是采用计算机的方式实现故障自动检测，需要先采用中值滤波对图像进行预处理，然后对预处理后的图像进行故障自动检测。

但是采用传统的中值滤波方法对图像进行预处理时，获得的图像较为模糊，导致故障自动检测的准确程度较低。

发明内容

本发明的目的是为解决采用传统的中值滤波方法对图像进行预处理获得的图像模糊，导致故障检测的准确程度低的问题，而提出了一种铁路动车风挡破损故障检测方法、系统及装置。

本发明为解决上述技术问题所采取的技术方案是：

一种铁路动车风挡破损故障检测方法，该方法包括以下步骤：

步骤一、获取铁路动车风挡部分的过车图像；

步骤二、对步骤一获取的图像进行均衡中值滤波，获得均衡中值滤波后的图像；

步骤三、采用边缘提取算法检测均衡中值滤波后的图像的边缘特征；

步骤四、将边缘特征输入训练好的SVM网络，通过训练好的SVM网络输出故障检测结果；

可选的，步骤二的具体过程为：

采用3×3的像素窗口对获取的图像进行扫描，扫描步长为1个像素；

在像素窗口内，计算像素窗口的中心像素值与像素窗口的左上角顶点像素值、右上角顶点像素值、左下角顶点像素值、右下角顶点像素值的中值z₁；

在像素窗口内，计算像素窗口的中心像素值与中心上方像素的像素值、中心左方像素的像素值、中心下方像素的像素值、中心右方像素的像素值的中值z₂；

利用z₁和z₂计算像素窗口的中心像素的均衡中值滤波结果z；直至像素窗口遍历到获取的图像的每个位置后，得到获取的图像的全部非边界像素的均衡中值滤波结果，对于获取的图像的边界像素，分别采用与各边界像素最临近的非边界像素的均衡中值滤波结果进行填充；

获得每个像素的均衡中值滤波结果后，即得到均衡中值滤波后的图像。

可选的，利用z₁和z₂计算像素窗口的中心像素的均衡中值滤波结果z；其具体过程为：

其中，e表示像素窗口内的中心像素值，abs(·)表示取绝对值，mean表示取均值操作，Med表示取中值操作，t为一个正数阈值。

可选的，步骤三的具体过程为：

步骤三一、计算均衡中值滤波后图像中每个像素点的梯度强度和梯度方向；