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。     

关于提高TFDS动态检查质量的探讨

通过分析和探讨货车故障轨边图像检测系统(TFDS)的应用,总结形成了"循迹延伸检查判断法"的方法和技巧,并对如何提高TFDS动态检查质量提出了建议。     

TFDS轨边探测站磁钢中断控制板故障分析处理

TFDS是以人机结合的方式对运行货车的故障进行动态检测。如果TFDS发生漏接车故障,将大大增加现场检车员的作业强度,无法保证货物列车的行车安全。TFDS漏接车故障大部分原因都是由于磁钢中断控制板故障造成的。磁钢中断控制板是TFDS轨边探测设备的一个重要板件,其功能是把磁钢发出的电信号转化为控制命令。本文从一个典型的TFDS磁钢中断控制板故障入手,分析了故障原因及处理过程,以期与大家一起交流探讨。     

货车列检实施“人机分工”作业方式探索与实践

通过对郑州铁路局嘉峰货车列检作业场技检作业方式调整为"人机分工"方案的可行性分析与评估,阐述了列检安装货车故障轨边图像检测系统(TFDS)给货车列检作业方式带来的机遇和重大变革。     

TFDS系统在列检运用中存在的问题和对策

介绍了铁路货车故障轨边图像检测系统(TFDS)的组成、原理和功能,并对该系统在实际运用中存在的问题,提出了采用彩色高像素数字摄像机、改进抗阳光成套技术、加装防雨和吹尘装置、增加智能判断货车车辆故障功能相应的对策,以完善系统的各项功能,提高保安全能力。     

基于双边滤波和Retinex算法的货车图像预处理方法

针对货车故障轨边图像检测系统(TFDS)中的图像光照不均匀问题,提出一种基于双边滤波和Retinex算法的货车图像预处理方法。该方法首先利用双边滤波法把图像分成两部分(粗略图像和细节图像),然后利用Retinex算法对图像的粗略部分进行增强,最后把细节部分与处理好的粗略部分进行合成,以达到最佳的图像视觉效果。实验结果表明,该方法在保留图像细节的同时很好地克服了光照不均匀对图像的影响。     

TFDS集中作业系统的设计与实现

针对货车故障轨旁图像检测系统（TFDS，Trouble of moving Freight car Detection System）探测站存在的作业量不均衡、作业关系未有效利用、作业质量差异较大等问题，基于数据传输、数据挖掘、智能判别等技术，将多套TFDS采集的图像和列车信息进行统一存储和任务的智能分配，实现智能管理、作业联控、信息传递等功能。该系统在中国铁路郑州局集团有限公司上线以来，运行效果良好，故障发现效率提升20%以上，为车辆系统深化改革创造了条件，为专业化管理提供了技术支持。     

货车TFDS图像自动识别系统的研发探讨

根据铁道部运装货车[2011]333号文件提出的,TFDS系统自动识别技术要求,按照”重点故障率先突破,识别范围不断扩大”的技术发展思路,研发了货车TFDS图像自动识别系统,基本实现了拦停类故障自动识别。安全关键部位自动识别,以及影响动态检查类效率类故障动识别。     

TFDS室外设备加装遮挡棚的必要性探讨

简要介绍TFDS系统轨边设备的概况，对目前系统采集图片受外界因素干扰问题进行实例说明，并针对这些问题提出设备改造设想建议。     

关于动车组故障轨边图像检测系统的设计

说明了图像检测技术在动车组故障检测上应用的必要性,在介绍目前成熟的客车故障轨边图像检测系统原理的基础上,结合动车组图像检测范围和动车组物理构造,对动车组图像检测内容进行分析。在详细描述了系统采用的关键技术后,给出了动车组故障轨边图像检测设备的设计方案,并对西安动车所系统的应用情况和故障进行了简单的展示,最后提出了未来动车组故障图像检测技术发展的前景。     

动车组故障轨边图像自动检测系统的设计与实现

动车组故障轨边图像自动检测系统(TEDS)是集高速数字图像采集、大容量图像数据实时处理技术、精确定位技术、模式识别技术、智能化与网络化技术以及自动控制技术于一体的智能系统,可采集运行中动车组车体底部、车体两侧裙板、车辆连接装置、转向架等可视部位的外观图像,并实时传输至监测中心,对图像进行故障识别报警。TEDS系统采用人机结合方式,可及时发现动车组关键部位故障,有助于提高动车组检修作业质量,保障行车安全。     

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。     

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。     

基于HCRD的列车锁紧板偏转自动识别方法

针对货车故障轨旁图像检测系统(TFDS)中锁紧板偏转故障,提出一种基于霍夫变换、Canny边缘检测和形状模板相结合的HCRD(Hough-Canny-Right angle Detection)方法.通过霍夫变化及数学几何模型定位转向架锁紧板部位,再对Canny边缘检测后的边缘图像进行角度特征的检测,整个识别只需要一个形状模板就能实现锁紧板偏转图像高精度自动识别,具有很好的判别能力.采用python编程,平均每张图像识别时间为0.067 s.且锁紧板下边缘处是否有角度特征作为锁紧板是否偏转的判断依据,具有很高的可靠性.实验证明,HCRD方法能精确检测出锁紧板的非正常范围(>5°)的偏转,且具有较好的鲁棒性和抗噪能力.该方法为TFDS故障图像识别提供了一种新的思路.     

提升TFDS发现故障功能的思考

本文在分析TFDS动态检查漏检车辆故障原因的基础上,着眼于帮助检修人员提高发现车辆故障能力,提出加强人机及室内外互补、加强安全基础管理、优化TFDS系统性能、竞争上岗、强化培训等建议及改进措施,旨在努力减少类似故障发生,确保车辆运用安全。     

货车运行故障动态图像检测系统的运用思考

本文通过对TFDS拍摄的图像,从列检的作业要求、技术标准等方面对系统的能力进行理论分析,并通过现场列检与系统发现故障对比,对系统能力从实际运用上进行分析。文章还结合目前系统存在的问题得出系统运用的要求,并对完善系统能力、保障行车安全提出相关建议。     

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。     

TFDS抗阳光干扰系统的研究与应用

现有货车运行故障动态图像检测系统(TFDS)存在的阳光干扰这一技术难题的系统解决原理和构成,以及现场试验分析。该系统首先采用LED频闪光源及精确控制技术增加补偿光源瞬时亮度,其次通过偏振滤光技术削弱阳光直射对相机拍摄的影响,同时通过精确控制策略消除对光干扰,然后采用CMOS Linlog技术提高图像的对比度,最后采用图像恢复技术对图像进行处理。现场试验结果表明,该系统能够很好的解决TFDS阳光干扰问题以及设备侧架的光源对射干扰,拍摄出来的图像清晰、有效。     

动车组故障轨边图像自动检测系统图像对比算法研究

动车组故障轨边图像自动检测系统(TEDS)采用模块化、小型化的设计理念,运用图像自动识别技术,对异常图像进行分级报警.在图像自动识别技术基础上,设计了整个图像识别框架,针对不同部件,采用逐级细化、图像对比、分级预报算法,提高动车组故障自动识别效果,达到分级报警的要求.