高鐵鋼軌軌面異物檢測裝置研究

倪逸文 中國鐵路上海局集團有限公司科研所

1 引言

動車組車輪踏面硌傷使得車輛異常振動，走行部零部件損傷加劇、縮短其使用壽命，同時也影響旅客的舒適性。動車組車輪踏面硌傷時常發生，究其原因，是由于鋼軌軌面存在異物造成的，鋼軌異物主要依靠人工上線排查，排查時間長、難度大，嚴重影響正常的行車秩序。亟需研究制定一套有效、智能和可靠的鋼軌異物檢測裝置，為確保高速鐵路動車組在發現車輪踏面硌傷后快速的判定鋼軌異物位置，消除行車安全隱患。

2 研究目標與方案

高鐵鋼軌軌面異物檢測裝置采用機器視覺技術，利用線結構光結合線陣列相機完成鋼軌硌傷的間隔線陣圖像采集，在時速不大于350 km/h（97.2 m/s）條件下，為保證圖像分辨率不大于0.5 mm/pixel，理論曝光時間應不大于6 us，考慮運動模糊及拖影，工業應用環境下曝光時間應不大于5 us(對應相機采集頻率166 kHz)。

在本裝置中，為了使圖像不變形，需要根據動車組實際車速來觸發線陣列相機，車速越快，觸發越快。因動車組車下無法安裝編碼器，最終是要靠模擬觸發，使用GPS獲得實時速度值，通過模擬觸發硬件發送觸發信號給相機進行觸發。

3 硬件設計

高鐵鋼軌軌面異物檢測裝置以CRH380BL設備倉作為安裝平臺，快速安裝，主要由高速成像裝置、鋼軌光帶圖像采集分析機箱、電源分配模塊、鋰電池、GPS時空定位裝置、WIFI增強路由器等模塊組成。如圖1所示：

圖1 高鐵鋼軌軌面異物檢測裝置結構原理圖

該設備安裝在動車組底部，視野為兩塊底板之間抽去橡膠條后的空隙，針對周圍環境較暗縱向視野范圍較小的情況，采用了激光光源和線陣列相機以一定的角度拍攝的硬件設計。根據現場測試效果，激光中心與鋼軌軌面的設計角度定為60°。裝置硬件結構如圖2所示：

圖2 高鐵鋼軌軌面異物檢測裝置硬件結構圖

高速鐵路動車組上運行時速到達350 km/h的情況下，線掃描的頻率在166 kHz。這就對存儲速度提出了較高的要求。為了控制相機采集圖像數據量較大的特征，在內存的堆里分配空間來生成Buffer對象。為了兼容存儲速度和設備的體積，采用FPGA硬件對圖像進行快速壓縮以及高速固態硬盤存儲圖像。圖像采集存儲原理如圖3所示：

圖3 圖像采集存儲原理圖

4 軟件設計

高鐵鋼軌軌面異物檢測裝置軟件由圖像采集和圖像處理兩部分組成。

（1）圖像采集是由GPS采集設備采集速度信息，經由信號觸發產生模擬編碼器觸發信號，觸發2臺相機同時采集圖像（即左右軌），相機接收觸發信號，逐行拍攝，并將拍攝的圖像傳遞給壓縮模塊，通過壓縮模塊的整合發送給采集應用程序。應用程序做相應處理后將圖像保存下來。本研究方法采用Visual C++作為應用程序的開發工具，對壓縮模塊的廠家提供的sdk進行二次編程。軟件界面如圖4所示：

圖4 圖像采集軟件運行界面

針對高速鐵路上限速度高，加減時速度夸度大的特征，應用程序接收GPS的速度信號換算為相機觸發頻率，并根據一定閾值控制觸發。圖像采集觸發條件為：速度變化超過閾值。閾值太小會影響數據的壓縮比，閾值太大會影響數據精度。需根據實際數據系統的運行情況進行大量的實驗得出經驗閾值。考慮到進站以及過隧道等可能對GPS信號產生干擾的特殊情況，應用程序添加了手動調整觸發的模式。圖像采集觸發算法流程如5圖所示：

圖5 圖像采集觸發算法流程

（2）圖像處理通過循環輸入圖像，對每幅圖像進行處理。根據預處理后的圖像的灰度變化，利用水平投影和垂直投影的平滑性改變來檢測缺陷，正常情況下的投影曲線應是平滑的，如出現波動，則說明光帶具有缺陷。

水平/垂直積分投影是將同一列/行所有或部分區間的像素灰度值進行累加，從而得到圖像灰度在水平/垂直方向上的分布變化情況。假設I(x,y)表示點陣圖像(x,y)處的像素灰度值，則區間[y1,y2]和[x1,x2]內的垂直積分投影函數Sv(x)和水平積分投影函數Sh(y)分別為：

垂直/水平積分投影將圖像灰度的二維信息投影為一維曲線，簡化相關計算的復雜度。在背景灰度較均勻的情況下，可根據垂直/水平積分投影曲線的變化準確獲取目標在圖像中的水平/垂直位置。

對輸入圖像進行縱向投影，剪切出光帶及其周邊部分區域。因為光帶的灰度值最大，縱向投影后值最大，對索引矩陣排序后會找出其中最大值，這樣可找出光帶具體位置，從而外擴若干像素剪切出光帶子圖。再對剪切圖像進行橫向投影，進而找出存在光帶缺陷的圖像（如圖6、圖7所示）。

圖6 縱向投影光帶子圖剪切

圖7 光帶圖及其橫向投影曲線圖

5 現場試驗

檢測高鐵動車組車輪踏面硌傷的試驗于2020年12月18日在設備裝車（CRH380BL-3540），于2020年12月21日至24日進行了夜間天窗調試采集，于2020年12月25日結束線上試驗拆除設備并復原。現場設備安裝如圖8所示：

圖8 現場測試設備圖

測試數據為滬寧城際上海虹橋站至南京站區間上下行，全段數據清晰完整。測試數據在經過圖像識別軟件處理后，再將識別出來的圖片進行人工篩選。最終分析出了十六張疑似缺陷的圖片（如圖9所示）。

圖9 鋼軌光帶識別圖

6 研究結論

通過對鋼軌軌面異物圖像高速采集和智能處理，形成一套高效、智能和方便的高鐵鋼軌軌面異物快速檢測裝置，極大提高了軌面異物查找效率，為保障高鐵安全運行提供技術支撐。