動車組主要關鍵部件安裝狀態圖像檢測系統的設計與實現

任朝陽，杜錦程，申孝周，劉耀華，張 欽，高 佶，劉慶慶，關 琦

(中國鐵路南昌局集團有限公司，江西 南昌 330000)

在動車所一級修更換制動盤左右兩側的到限閘片時，存在因閘片安裝不到位導致其卡扣未卡死，使得閘片處于松動狀態的安全風險隱患，由于動車組運行過程中啟停、振動等因素，可能導致卡扣彈起后閘片脫落的安全事故(圖1)。另外，動車組的裙板三角鎖、底板螺栓的類型、數量較多，體積小，存在人工復核遺漏的安全隱患，若動車組出庫時三角鎖、底板螺栓松動，則運行中裙板、底板有可能掉落，嚴重危及動車組運行安全。

圖1 閘片丟失故障案例

安裝在動車所檢查庫至存車場之間出入庫咽喉處的動車組關鍵部件安裝狀態圖像檢測系統(SEDS)，運用高分辨率相機可對動車組的重點關鍵區域進行成像，通過機器視覺算法在圖像中對重點部件的特征進行測量分析，能更好地檢測、復核動車組一、二級修作業后出庫閘片、裙板三角鎖及底板螺栓的檢修質量和狀態，可在動車組出所上線運行前消除安全隱患，最大程度避免人為失誤造成的漏檢漏修，對動車組安全形成“雙保險”。

1 系統整體設計

SEDS系統主要由三部分構成：軌邊探測設備、軌邊機房設備和監控中心設備。該系統底部安裝7臺相機，側部安裝5臺相機。為了精準抓拍動車組各個關鍵部位高清圖像，軌邊相機的布局方式以抓拍到部件的高清特征圖像為準，底部以動車組動車和拖車閘片位置為圖像中心，側部以裙板三角鎖為圖像中心，并且采用高分辨率鏡頭以提高圖像質量，提高自動識別的準確率，降低誤報率。

報警終端設計方面，識別算法可以直接描述故障發生的位置并顯示此圖，分析員只需要復核確認即可(圖2)。為了方便分析員直觀地定位故障點，報警終端只提供了左側裙板、右側裙板、底中通道的整車瀏覽界面，用于映射報警故障點，其他通道圖像只用于自動識別。

圖2 報警終端

2 系統實現

系統檢測對象為CRH380A、CRH2A型動車組，檢測過程為全自動檢測。主要功能為：

(1) 檢測閘片安裝是否到位，系統可以高精度地檢測出各個閘片的安裝狀態，最大程度地避免人為疏忽造成的安全隱患；

(2) 檢測裙板三角鎖鎖閉是否到位；

(3) 檢測空調蒸發器/冷凝器底板螺栓是否丟失；

(4) 系統具有車號識別索引功能，可以準確地識別出動車組編組號。

識別一個部件，主要解決2個問題：首先，要準確地在圖像中定位出需要識別的局部區域(ROI)；其次，在局部區域中，通過對目標部件的圖像特征設計識別算法。下面通過2個故障識別點進行分析說明。

2.1 三角鎖鎖閉不到位故障識別

系統拍攝的三角鎖圖像分布在左右側部上相機視場內，各個三角鎖高度基本一致。將2個相機拍攝的圖像沿縱向以輛為單位拼接成大圖，沿橫向截取寬度為600像素的條狀區域(圖3中2條紅線之間的區域)，所有的三角鎖均在該區域中。

圖3 三角鎖區域定位示意圖

截取以三角鎖中心為原點的300像素寬的正方形區域作為識別目標及正樣本，其他任意區域的300像素寬的區域為負樣本，提取方向梯度直方圖特征(HOG特征)，作用是將二維灰度圖像通過提取梯度信息并進行編碼后轉換為一個一維特征向量。

將正負樣本進行標記(label)，正樣本的label為1，負樣本為-1。把特征向量及label送入支持向量機(SVM)中進行訓練，得到模型文件。線上運行時，根據三角鎖之間的距離等先驗知識進行定位框篩選(圖4)，得到每一個三角鎖區域的局部圖像(圖3中藍色框)。

圖4 三角鎖定位框篩選

由于最終目標是獲取三角鎖的精確位置(圖3中綠色框)，故在藍色框區域基礎上，以完全準確位置的三角鎖圖像為正樣本，以其他位置的圖像為負樣本，再次進行訓練，得到模型文件。在線運行時，可進一步得到三角鎖的精確位置，最終得到三角鎖局部圖像(圖3中綠色框)。

得到三角鎖區域后進行識別，將正確位置的三角鎖定義為正樣本，旋轉超過一定角度(如30°)的三角鎖定義為負樣本(圖5)，并送入SVM進行訓練，得到用于識別(分類)的模型文件。線上運行時，經過前面的定位過程，即可對三角鎖是否有明顯旋轉進行判斷。

圖5 三角鎖典型正負樣本圖例

2.2 閘片區域部件識別

閘片及附屬件的識別首先也是要解決部件局部的定位問題。不同于裙板三角鎖，底部轉向架部分部件多，同時存在一定光干擾，給定位工作帶來較大難度，需要充分利用已有的列車相關信息縮小定位范圍。

由于閘片及附屬件的主要作用是列車制動，因此確定車輪(或車軸)在圖像中的位置會非常有利于閘片相關部件位置的確定。如圖6所示，選取2條紅色直線之間的局部區域，根據光線因素，車輪位置的局部像素值很高，同時根據側部與底部圖像存在的同步掃描對應關系，則對于轉向架區域，車軸的位置也隨之被確定。

圖6 車輪位置的確定

對于底部不同通道的圖像，每一個通道均有其關注的閘片位置。閘片相關部件所在區域沿車軸方向基本固定，縱向在車軸上下劃分出一個固定范圍，使得需要識別的區域不超過該范圍(圖7)。

圖7 底部識別范圍

下一步就是如何精細地確定各重要部件的位置。首先選取一局部區域作為基準定位區域，該區域要有足夠的辨識度，在閘片故障前后變化要盡可能小。經過試驗，選取圖8中綠色框局部區域作為定位基準區域。以大量過車圖像中的基準定位區域為正樣本，以識別范圍內其他位置的區域作為負樣本，提取HOG特征并送入SVM中進行訓練，得到模型文件。線上運行時，結合模型文件精準定位基準區域后，由于關注的部件與基準區域之間的相對位置關系是固定的，最終可以得到重要部件局部圖像。

圖8 CRH380A車型卡簧鉤定位示意圖

針對傳統的HOG特征結合SVM分類器的算法在閘片重要部件上識別故障時存在誤報率高、漏報情況也較多的問題，本系統將深度學習技術應用于故障圖像的識別中，具體應用為基于keras框架下的VGG16深度網絡進行重要部件圖像特征的提取，采用KNN分類器作為判斷算法。在一輛車的圖像中，每一個通道不同部位的部件識別結果匯總成一個一維向量存于一個文本文件中，無故障判斷為1，有故障判斷為-1。

對于CRH2A型鎖簧(圖7(b)紅色框部分)，VGG16結合KNN算法依然會偶爾存在漏報現象。為解決該問題，在之前對該區域的定位基礎上，觀察鎖簧結構(圖9(a))可知，由于光照的原因，鎖簧附近會存在一個穩定的陰影區域，將圖像二值化(圖9(b))得到陰影部分(圖9(c))，再尋找包圍陰影部分的最小矩形(圖9(d))，計算最后矩形的長邊的斜率(圖9(e))，就可以獲得鎖簧的角度信息。若鎖簧有明顯旋轉，則斜率亦會有較大變化。

圖9 鎖簧旋轉情況識別過程

3 試驗數據分析

2017年8月1日—12月30日，利用南昌車輛段南昌西動車所配屬的動車組，對安裝在南昌西動車所出入庫咽喉處的SEDS系統進行測試。

測試步驟：(1)預設故障，在動車組的重點部件(裙板三角鎖、閘片、閘片安裝托及底板螺栓)設置模擬真實故障(表1)；(2)該動車組出庫完全通過SEDS設備；(3)測試完畢后，排除預設故障。

表1 預設故障表

通過5個多月的模擬故障及測試結果分析，積累了大量故障樣本，隨著故障樣本積累的逐漸增多，通過故障樣本訓練，從10月份開始識別算法趨于穩定，故障識別兌現率達到50%以上，基本實現零漏報。在設備試用過程中，室外相機受環境影響，拍攝的圖像質量有所下降，導致誤報率有一定程度的升高，定期維護可以提高拍攝圖像質量，降低誤報率。測試數據統計結果如圖10～圖12所示。

圖10 三角鎖識別情況

圖11 CRH380A閘片識別情況

4 總結

SEDS系統在試運用期間，獲得了大量的故障樣本，目前完成了動車組裙板三角鎖安裝不到位、閘片丟失、閘片附件安裝不到位、空調蒸發器/冷凝器底板螺栓丟失等故障的自動識別，以后將逐步實現各關鍵部位故障的自動識別、報警，實現全自動動車組可視部位的一級修故障檢測。

SEDS系統的應用推廣將有利于提高動車組檢修作業質量，由“人防”向“技防”轉變，且安全責任可追溯，提升動車組檢修安全保障能力及管理能力。