[发明专利]一种轨道扣件检测方法

说明书

本发明公开了一种轨道扣件检测方法，主要解决现有技术中存在的现有扣件检测方法都需要提取扣件的大致区域再进行状态识别，其次均只能识别扣件是否脱落，不能识别出扣件松脱具体程度，需要安装部署传感器节点，工程量大、不经济同时难以维护的问题。该本发明运用Haar‑like+AdaBoost算法对样本素材进行训练得到分类器模型，再结合检测算法—“尺度因子检测法”进行检测得出对扣件状态更为准确的状态检测。通过上述方案，本发明达到了准确快速精准的检测扣件状态的目的，具有很高的实用价值和推广价值。

技术领域

本发明涉及扣件检测领域，具体地说，是涉及一种轨道扣件检测方法。

背景技术

地铁是城市的重要交通工具，具有高效、准时、环保等特点；能够安全运行关系重大。地铁扣件状态的检测尤为重要，它是轨道结构弹性的主要提供者，保持轨距并为钢轨提供扣压力确保钢轨不发生纵向和轴向偏移。传统的检测方式是采用人工巡检，由经验丰富的巡检员用肉眼判断扣件状态，该方法简单、效率低、成本高、漏检率高、安全隐患大，且不能判断扣件的松脱程度。近年来，随着计算机技术及图像处理技术的飞速发展，基于计算机视觉的扣件状态自动检测系统已成为国内外研究的重点，该系统具有非接触、速度快、精度高、适应能力强等优点。目前计算机视觉的扣件检测有PCA特征+SVM支持向量机、小波分析+BP神经网络等识别方法，但它们都需要提取扣件的大致区域再进行状态识别，其次均只能识别扣件是否脱落，不能识别出扣件松脱具体程度。除视觉之外还有利用振动能量谱进行扣件状态识别的，但它需要在扣件之间安装部署传感器节点，工程量大、不经济同时难以维护。

发明内容

本发明的目的在于提供一种轨道扣件检测方法，以解决现有扣件检测方法都需要提取扣件的大致区域再进行状态识别，其次均只能识别扣件是否脱落，不能识别出扣件松脱具体程度，需要安装部署传感器节点，工程量大、不经济同时难以维护的问题。

为了解决上述问题，本发明提供如下技术方案：

一种轨道扣件检测方法包括如下步骤：

训练分类器模型：采集多个扣件状态素材训练得到七个分类器模型，其分别为：

模型1:cascade1用于检测整个扣件；

模型2:cascade2用于从扣件中检测出弹条正常；

模型3:cascade3用于从扣件中检测弹条脱落；

模型4:cascade4用于从扣件中检测弹条松动；

模型5:cascade5用于从扣件中检测出螺母正常；

模型6:cascade6用于从扣件中检测出螺母松动；

模型7:cascade7用于从扣件中检测出螺母脱落；

通过分类器模型检测扣件状态

(1)输入待检图，待检图进入分类器后分别进入cascade1至cascade7；

(2)步骤(1)中进入cascade1的待检图按设定的尺度因子S1缩放后进入HaarObjectDetect进行检测处理；

(3)步骤(1)中进入cascade2至cascade7的待检图扣件，按设定的尺度因子S_j后进入HaarObjectDetect进行检测处理；j取值为2，3，4，5，6，7；

(4)经过步骤(2)和步骤(3)的HaarObjectDetect检测其中待检图中是否有目标，是，则执行步骤(5)否，则，执行步骤(6)；

(5)检测是否是一个目标，是，则进入cascade1至cascade7对应得出待检图中扣件的状态，否，则对待检图进行进一步精确处理后重复步骤(4)和步骤(5)；