[发明专利]基于图像处理的铁路货车防火板故障检测方法有效

专利信息
申请号: 202110166896.0 申请日: 2021-02-04
公开(公告)号: CN112907524B 公开(公告)日: 2021-11-12
发明(设计)人: 王斐 申请(专利权)人: 哈尔滨市科佳通用机电股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/45;G06K9/62
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 张利明
地址: 150060 黑龙江省*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 处理 铁路 货车 防火板 故障 检测 方法
【权利要求书】:

1.基于图像处理的铁路货车防火板故障检测方法,其特征在于,具体包括:

步骤一、建立防火板正常子图集合、防火板丢失子图集合和防火板破损子图集合;

步骤二、利用防火板正常子图集和防火板丢失子图集合,建立丢失故障的判定模型;

利用防火板正常子图集合和防火板破损子图集合,建立破损故障的判定模型;

计算每个正常子图与每个丢失子图的灰度共生矩阵,确定丢失故障的判定区间;

计算每个正常子图与每个破损子图的灰度共生矩阵,确定破损故障的判定区间;

步骤三、截取待检测图像的防火板区域,将所述防火板区域水平方向平均分成n个待检测子图;使用LBP算子提取待检测子图的特征;

步骤四、将步骤三提取的待检测子图的特征输入至丢失故障的判定模型;判断待检测图像中的防火板是否丢失,若是,执行步骤五;否则,执行步骤六;

步骤五、计算每个待检测子图的纹理参数,利用丢失故障的判定区间,再次判断待检测图像中的防火板是否丢失;若是,则确定待检测子图为丢失子图,当防火板丢失子图集合中判定为丢失子图的数量超过3时,判定待检测图像中的防火板丢失,完成该次货车防火板故障检测,否则执行步骤六;

每个待检测子图的纹理参数获得方法:计算每个防火板正常子图与每个防火板丢失子图的灰度共生矩阵,提取每个灰度共生矩阵的纹理参数:能量、熵、对比度和相关度四个;

步骤六、将步骤三提取的待检测子图的特征输入至破损故障的判定模型,判断待检测图像中的防火板是否破损,若是,执行步骤七;

步骤七、计算每个待检测子图的纹理参数,利用破损故障的判定区间,再次判定待检测图像中的防火板是否破损;若是,则确定待检测图像中的防火板破损,完成该次货车防火板故障检测。

2.根据权利要求1所述的基于图像处理的铁路货车防火板故障检测方法,其特征在于,步骤四中截取摄像机采集的待检测图像的防火板区域的具体方法为:

以采集的图像中阴影区域中像素点灰度均值向上浮动50%为阈值,将像素大于阈值的像素点像素设置为0,小于阈值的像素点置为255,获得二值图,在所述二值图中,获取阴影区域在图像中的位置,根据该位置在原图中阴影区域上方截取防火板区域图像。

3.根据权利要求1或2所述的基于图像处理的铁路货车防火板故障检测方法,其特征在于,建立防火板正常子图集合、防火板丢失子图集合和防火板破损子图集合的方法相同,建立防火板正常子图集合具体为:截取防火板正常状态的图像,并将截取的图像水平方向平均分成n个部分,获得具有n个子图像的防火板正常子图集合。

4.根据权利要求1或2所述的基于图像处理的铁路货车防火板故障检测方法,其特征在于,步骤二中利用防火板正常子图集和防火板丢失子图集合,建立丢失故障的判定模型的具体方法为:使用LBP算子分别提取防火板正常子图集合和防火板丢失子图集合中每个子图的特征,用SVM对提取特征分类进行训练,得到丢失故障的判定模型。

5.根据权利要求1或2所述的基于图像处理的铁路货车防火板故障检测方法,其特征在于,步骤二中利用防火板正常子图集合和防火板破损子图集合,建立破损故障的判定模型的具体方法为:使用LBP算子分别提取正常子图集合和破损区域子图集合中每个子图的特征,使用SVM对提取的特征进行分类训练,得到破损故障的判定模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨市科佳通用机电股份有限公司,未经哈尔滨市科佳通用机电股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110166896.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top