[发明专利]一种轮对踏面在线检测方法

说明书

本发明公开了一种轮对踏面在线检测方法，涉及无损检测技术领域。本发明采用FFT‑GABOR快速变换，结合SVM分类器实现对轮对踏面进行缺陷识别和分类，能够克服已有检测方法的误识别率高、速度慢的问题，本申请的轮对踏面在线检测方法误识别率低于7%，能识别轮对踏面主要的3类缺陷，覆盖90%以上的缺陷类型，检测时间短。

技术领域

本发明涉及无损检测技术领域，更具体地说涉及一种轮对踏面在线检测方法。

背景技术

轮对是机车车辆上与钢轨相接触的部分，由左右两个车轮牢固地压装在同一根车轴上所组成。轮对的作用是保证机车车辆在钢轨上的运行和转向，承受来自机车车辆的全部静、动载荷，把它传递给钢轨，并将因线路不平顺产生的载荷传递给机车车辆各零部件。

近年来，随着我国铁路的快速发展，线路不断增加，速度逐步提升，运载量越来越大，车辆呈爆发式的增长，与此同时，由轮轨关系引起的事故也在增多，单纯轨道方面的检测已经不能满足安全运营的需要，车轮踏面损伤是铁路车辆的重要故障，踏面损伤形式包括擦伤、剥离、掉块等，目前踏面损伤主要依靠人工检测，效率低下，误检率低，工作强度大。随着人工智能的发展，有条件把更合理、更智能的检测手段应用到轮对检测上，非接触式的机器视觉技术结合深度学习等关键技术的应用已成为必然。

目前，轮对踏面的缺陷检测主要分为如下几种方法，一类踏面数据为波形数据，通过数字信号处理方法分析踏面缺陷波形的特征，得出踏面的缺陷，此类方法缺点是误识别率较高；另一类踏面数据为面阵图像数据，通过图像处理方法判别缺陷类型，此类方法除了误识别率较高外，检测时间较长。

发明内容

为了克服上述现有技术中存在的缺陷和不足，本发明提供了一种轮对踏面在线检测方法，本申请的发明目的在于解决现有技术中轮对在线检测方法的误识别率高，速度慢等问题，本申请采用FFT-GABOR快速变换，结合SVM分类器实现对轮对踏面进行缺陷识别和分类，能够克服已有检测方法的误识别率高、速度慢的问题，本申请的轮对踏面在线检测方法误识别率低于7%，能识别轮对踏面主要的3类缺陷，覆盖90%以上的缺陷类型，检测时间短。

为了解决上述现有技术中存在的问题，本申请是通过下述技术方案实现的：

一种轮对踏面在线检测方法，包括轮对踏面图像采集步骤和图像预处理步骤，其特征在于：还包括FFT-GABOR变换步骤、特征计算步骤和SVM分类步骤；

所述图像预处理步骤具体是指，通过图像缩放和均值滤波方式对采集到的原始轮对踏面图像进行预处理；

所述FFT-GABOR变换步骤具体是指：通过GABOR滤波器对经预处理后的轮对踏面图像进行轮廓细节的提取，GABOR滤波器通过5个不同的方向和4个不同的尺度对踏面图像进行轮廓细节提取，在进行轮廓细节提取时，先采用GABOR滤波器对预处理后的轮对踏面图像进行FFT变换，然后再进行IFFT反变换得到时域轮廓信息；

所述特征计算步骤具体是指：通过FFT-GABOR变换步骤后，得到4*5=20个图像，每个图像都表征轮对的边缘轮廓信息，把每个图像分割1*1、2*2和4*4三种格子，分别计算每个格子中的均值和方差，然后把所有的均值和方差串成一个特征；

所述SVM分类步骤具体是指：把特征计算步骤中计算得到的特征值输入SVN分类器中，进行识别和分类；所述SVM分类器的训练参数设置如下：

Svm-type:c-SVM

kernel_type:linear。

所述FFT-GABOR变换步骤中，通过GABOR滤波器对经预处理后的轮对踏面图像进行轮廓细节的提取，所选择的尺度具体是指的高斯滤波器的窗口尺度，4个窗口尺度为W=9、W=15、W=21和W=33。