基于Android操作系統對軌道車輛配電盤缺陷檢測的軟件算法設計

李涪帆+++張靜+++寧靜

摘 要：現有手持終端操作系統，多種多樣，每種都具有一定的用戶群體。通過對比主流的三大移動終端操作系統，從易開發性、普及性及成熟度等方面進行考慮，最終選擇了基于Android的操作系統進行開發。Android系統具有如下幾個重要優勢：開放性，掙脫運營商的束縛，豐富的硬件選擇（數據同步，軟件兼容），不受任何限制的開發商，無縫結合的Google應用。Android系統主要開發語言及基礎內核如下，非常便于軟件的調試，后續維護及管理。本系統由便攜式智能巡檢儀和數據處理器端構成。智能巡檢儀由高端大屏手機和高分辨率的紅外熱成像傳感器（IR）構成，它的服務器端負責數據處理，保存相關處理結果至數據庫，并將處理的結果發送給手持設備端。

關鍵詞：Android系統；智能巡檢儀；數據庫

前言

在前面的文章中，我們提到了應用熱成像技術來對軌道車輛配電盤的缺陷進行檢測，這不僅節省了大量的人力，而且還提高了檢測效率，從而能夠大幅度降低軌道車輛因配電盤組裝質量而引起的缺陷。如何為智能巡檢儀提供一款軟件系統是接下來我們所研究的內容。眾所周知，Android系統應用于智能手機中，它具有很強的圖像處理功能。基于Android系統，我們設計出了自己的軟件系統，該系統的總體架構設計是基于B/S的設計架構，服務器端的開發完全跨平臺。本系統設計時，綜合考慮了系統平臺的兼容性問題，使得系統服務器端軟件系統能夠適應當前主流的操作系統，即Linux和Windows操作系統。軟件系統的總體架構如圖1所示。

1 巡檢儀對配電盤缺陷的處理過程

1.1 雙通道的圖像采集及預處理

通過智能手機終端自帶的1600萬像素的可見光探頭獲取待測區域的可見光圖像，通過紅外模塊和智能手機在OTG模式下進行數據交互，獲得待測區域的紅外熱成像圖像，并根據標定參數對獲取的圖像進行校正處理。智能手機端APP軟件進行圖像獲取的界面如下圖所示。在同一界面下可以同時獲取VL圖像和IR圖像以及二者的混合圖像，如圖2，圖3所示。

1.2 基于WIFI與后臺的數據交互

智能終端采集的圖像數據和筆記本電腦間構建局域網絡（基于WIFI協議），可以將圖像數據快速地傳遞到筆記本工作站進行數據處理。圖片的傳輸時間大約為5S左右，無遮擋的傳輸距離在50m以上。

1.3 缺陷診斷結果顯示

后臺數據處理系統處理完診斷結果后可以通過智能終端進行顯示，顯示的方式有多種，如下為多點測溫顯示可疑點的溫度數據和紅外熱圖。本算法自動計算圖像中梯度集聚的區域，并根據溫度梯度閾值進行區域性目標分割聚類，最終給出各區域的溫度描述，如圖4所示。

2 后臺圖像處理方法及過程

2.1 配電盤突發缺陷系統算法分析

圖像融合是接線質量缺陷診斷的定位判斷的基礎，通過雙目圖像融合可以實現缺陷的“畫中畫”顯示。可以提高模板建立的精多，提升模板信息的維度（溫度、坐標、銘牌、字號等信息）。圖像融合是基于前期制作的標定板，應用快速角點檢測算法對可見光照片進行精確的角點檢測，同時也對紅外照片中的角點進行檢測，將對應的角點進行融合匹配，從而獲得兩者之間的對應關系，如圖5所示，從而消除因鏡頭參數不一、左右安裝中心距未知因素的影響。

x從標定板圖像可知，圖像存在一定程度的畸變，要實現雙通道圖像精確融合，還需對采集圖像的鏡頭進行校正，獲取校正參數。標定的作用其一就是為了求取畸變系數（因為經過鏡頭等成像后，或多或少都有畸變），其二是為了得到空間坐標系和圖像坐標系的對應關系。標定的過程就是一個最小化的求取參數的過程，拍的圖越多（相當于輸入）結果越準確，至少10張，而且盡可能覆蓋視野各個角落，要偏轉一定角度，這樣得出的參數是才是比較準確的。如圖6所示是進行圖像融合算法后獲取的效果圖。

2.2 圖像拼接算法及效果

精準的圖像拼接是模板建立的基礎，本操作系統可以將配電柜的檢測區域進行矩陣式n*m劃分，然后逐項拍攝區域圖片，最后進行自動融合保存為基礎模板。將實驗配電柜進行2*2的分割，然后進行拼接得到整張配電柜的圖片。同樣，紅外整圖模板的建立也可以通過這種方式獲取，后續可以在此基礎上進行模板信息的添加，圖像的拼接流程如圖7所示，為了提高圖像拼接的準確度，要求每次圖像拍攝至少有1/4的重疊量。

2.3 配電盤漏接算法及效果

漏接檢檢測主要用于判斷配電盤中是否有元器件遺失或疏漏，主要通過將智能終端實時獲取的圖像數據和模板中的特征進行比對配準來判別。本項目中，通過采用標準零件圖像來模板匹配，實現位置粗定位后，應用計數法和線號識別相結合的方法，來實現漏接缺陷檢測。

2.4 線號識別算法及效果（錯接、漏接缺陷判斷）

該系統是通過手機攝像頭來獲取的圖片。基于Android圖像文字識別系統包括了圖像選取，圖像灰度化、圖像二值化等處理過程，系統的詳細工作流程圖9所示。

在計算機領域中，灰度圖像也被稱為黑白圖像，由專門的深淺不一的灰色組成，像素的灰度值一般是在最大和最小的灰度值中取值。在這種最大最小灰度值中，0表示黑色，1表示白色。基于RGB顏色模型，將一種顏色從彩色空間轉換成亮度表示的灰度顏色。該系統采用迭代法閾值選取的方法，具體方法和步驟如下：

（1）選擇一個初始閾值 s，例如，假定圖像像素的最大灰度值和最小灰度值分別為fmax和fmin，則初始閾值 T 可表示為式（1）：

（2）利用選擇的閾值 T 對圖像進行分割，根據圖像像素的灰度值，可以將圖像分割為兩部分，灰度值大于閾值T的圖像區域G1和灰度值小于等于T 的圖像區域G2。

（3）分別計算G1和包含G2的像素的灰度值均值？滋1和？滋2。

（4）由下式來計算新的閾值：

（5）重復步驟（2）、（3）、（4），直到連續兩次計算得到的T的差值滿足設定的范圍，從而完成閾值的自動計。

3 實驗

本實驗主要是針對軌道車輛配電盤線與端子的錯接和漏接現象而進行的實驗。

線號識別（26個英文字母+0～9的數字）是進行錯接定位的基礎，而線號識別的過程就是在圖像中識別字符的過程。在A4紙上打印5組由數字和字母組成的字符，來模擬接線盤上的字符。對這5組字符進行的智能識別的流程如下圖所示；（1）對字符進行拍照，如圖10所示。（2）對所拍照片進行曝光的預處理，防止陰影等曝光不足的影響，如圖11所示。

（3）對A4紙上疑似字符區域進行分割，提取局部特征如圖12所示。（4）得到處理結果，如圖13所示。

（5）待保存好原始照片后，將數字順序進行打亂和擦除處理。如圖14所示。（6）經過處理后最終得到的結果如圖15所示。

實驗分析：顯示的結果圖中， 第2、5字符保持不變，而第1、3個字符發生改變，第4個字符沒有顯示，且第1、3、4改變的字符標注有紅色底紋。該實驗說明了，本系統具有良好的字符識別的功能，我們可以用本軟件為接線盤正確的接線方式建立一個數據庫，如果在下次重新接線時，可對其進行檢驗，以免因為錯接或者漏接而造成不必要的損失。

另外，應用上文提到的圖像文字識別，對手機拍到的圖片進行驗證。為了改善系統的識別率，需要拍攝各種不同姿態下的字符數據，建成標準數據庫，作為機器學習算法的判別樣本庫，樣本庫越豐富，識別的效率越高。

為了驗證該系統軟件在字符識別過程中的實用性，選取了字數大概為1萬個字符的10篇文章進行識別，之后記錄識別所需時間。如圖16所示，橫坐標表示字符總數為1萬字的10篇文章，縱坐標表示識別過程所需要時間和識別的正確率，結果如圖16所示。

由圖可知，軟件識別字符的速度大約為0.055秒/個，準確率為99%以上，由此，可以得出該系統軟件軟件具有高速準確識別字符的能力，能夠為軌道車輛配電盤的監測工作帶來方便和保障。

4 結束語

應用熱成像技術來對軌道車輛配電盤的缺陷進行檢測，這不僅節省了大量的人力，而且還提高了檢測效率，從而能夠大幅度降低軌道車輛因配電盤組裝質量而引起的缺陷或事故。為軌道車輛帶來了很大的方便。

其中基于為這款檢測設備設計一款智能軟件能夠高效地處理圖像數據。實驗有力地論證了應用Android系統軟件對軌道車輛配電盤的缺陷進行檢測是可行的。雖然現在技術還不是很成熟，還需要去進一步驗證它的安全問題，去探索新的應用方式。

參考文獻

[1]王坤.基于安卓平臺的圖片文字識別及朗讀技術研究[D].吉林大學，2014.

[2]王驍.基于B/S架構的網上書店系統的設計與實現[D].吉林大學，2013.

[3]郝曉龍.基于B/S架構的庫存管理系統的分析與設計[D].北京郵電大學，2012.

[4]孫杰.基于Android平臺圖像處理算法的研究與實現[D].北京郵電大學，2011.

[5]劉金梁.Android平臺軟件安全防護技術的研究與實現[D].北京郵電大學，2014.

作者簡介：李涪帆（1989-），男，山東青島，助理工程師，中車青島四方機車車輛股份有限公司，主要從事軌道車輛電氣產品質量控制工作。