复杂场景下铁路货车锁紧板偏转故障检测

结合铁路安全运营的迫切需求,以铁路货车运行故障图像动态检测系统(TFDS)中锁紧板偏转故障检测为研究背景,在无故障目标自动识别模式下对锁紧板姿态进行故障判别。针对锁紧板姿态是否位于正常范围内,提出一种新颖的偏转角度估计方法。算法依据锁紧板轮廓由近直线段组构成,提出采用直线段特征描述物体,形成特征稀疏表达,并对直线段特征采用方向编码方式,在有向Chamfer匹配下实现偏转角度估计,整个过程仅需一个模板。实验证明该算法能有效识别出偏转角度位于正常范围内的物体,并具有较好的鲁棒性和准确性。     

基于形状上下文的列车挡键丢失图像识别算法

针对列车运行故障图像动态检测系统（Trouble of moving Freight car Detection System,TFDS）中挡键丢失故障,提出一种基于形状上下文的列车挡键丢失图像识别算法。取正常挡键区域图像作为模板,到待测TFDS图像中遍历,采用形状上下文描述图像的形状特征,加权形状上下文距离与弯曲能量以定义形状距离作为图像匹配的相似度指标,最后根据模板图像是否遍历出与其相似的区域图像作为挡键丢失的判断依据。采用Matlab编程,通过截取大量测试图像实验发现,所定义的形状距离阈值取0．16,对测试图像中有无挡键能很好地区分。采用形状上下文描述,自定义形状距离作为图像匹配的相似度指标具有很高的可靠性,该算法为TFDS图像故障识别提供了一种新的思路。     

Relief算法在关门车故障自动识别中的应用

针对货车运行故障动态图像检测(TFDS)系统中的图像识别问题,提出一种基于Relief算法的解决方案.该方案采用梯度-共生矩阵的数字特征来描述一幅图像,然后通过Relief算法进行有效的特征选择,根据这些特征,通过模板匹配技术,最终检测出关门车故障.现场运用表明,该方案具有很高的实用性.     

机车走行部故障图像识别系统的研究

机车走行部的故障目前仍以人工检测为主,既有的车辆故障图像识别系统TFDS不能适应机车要求,亟待研发机车专用的走行部故障图像识别系统。根据机车走行部故障特征,提出了机车走行部故障图像识别系统构成及其原理,探讨了高清晰度图像的获取、低照度条件下图像的获取以及图像识别方法,并深入分析了建立机车走行部故障特征库,以及机车走行部故障评判及报警分级处理等问题。     

间接接触网自动检测方法的研究

提出了一种通过对受电弓状态的检测,间接判断接触网是否有故障可能的方法。利用图像处理技术,采用霍夫变换分析采集受电弓图像的倾斜角度。建立受电弓形状模板,提出受电弓重合面积比这一参数,利用模板匹配法分析受电弓形变情况。实验证明,该方法可以有效判断受电弓的倾斜和变形情况,从而实现接触网故障报警。     

货车故障轨边图像检测系统(TFDS)图像质量自动化评价方法研究

通过对货车故障轨边图像检测系统(TFDS)图像质量评价现状的分析,提出了采用自动化评价方法实现对货车故障轨边图像检测系统(TFDS)图像质量进行无参考量化评价的思路,可为建立我国铁路货车故障轨边图像检测系统(TFDS)图像质量评价标准奠定基础.     

基于深度学习的TFDS货车故障图像智能识别算法研究

货车关键部件故障的准确识别对车辆的运用工作非常重要。目前主要依靠动态检车员基于TFDS系统所获取的图像进行人工分析,耗费大量人力、物力,分析效率较低,并且易出现故障漏报,对车辆的运行安全造成隐患。文章提出了基于深度学习的目标检测加部件故障识别的两阶段车辆故障识别算法,通过对标注的图像进行模型训练,实现车辆故障的智能识别。该算法已经在中国铁路郑州局集团郑州北车辆段完成有效性的验证,结果表明,该算法可实现对车辆部件的准确定位、故障自动识别及结果的综合分析,有效提升了TFDS系统的故障识别准确率,大幅降低了漏报率,对于提高货车车辆运用工作的智能化水平,保障运行安全具有重大意义。     

动态检车员作业质量抽查功能的设计

根据铁路货车运行故障动态图像检测系统(TFDS)的分布特点,本文提出采用网页采集信息技术获取TFDS动态检车员作业信息,通过作业信息比对实现作业质量抽查功能.     

基于线阵扫描技术的货车故障轨边图像检测系统

针对采用面阵相机的货车故障轨边图像检测系统(TFDS)存在的不足,研究了线阵扫描技术在TFDS系统中应用的原理和构成,并进行了现场运用分析。     

关于货车运行故障动态图像检测系统(TFDS)运用管理的思考

根据货车运行故障动态图像检测系统(TFDS)检测范围及作业标准、作业流程,结合朔黄铁路肃宁北列检所上行场检修任务的实际情况,提出了TFDS正式运用后作业范围、作业程序、人员配置、应急处理的方案,对TFDS正式运用需解决(明确)的问题提出了相应的措施。