基于圖像的機(jī)車車輛故障自動識別

摘要：隨著科技的發(fā)展，機(jī)車車輛的故障需要更加便捷高效的方法進(jìn)行識別。本文將從圖像識別的方面，全面的講述怎樣進(jìn)行了機(jī)車車輛故障的識別。主要內(nèi)容包括了：如何進(jìn)行收集資料，如何確立車號以及如何實現(xiàn)將現(xiàn)實中的車輛與數(shù)據(jù)庫中的問題相結(jié)合。

關(guān)鍵詞：圖像識別;車輛故障;自動識別;機(jī)車故障

在現(xiàn)代的生活中，機(jī)車也就是鐵路運(yùn)輸，是一個必不可少的交通工具。鐵路運(yùn)輸有非常強(qiáng)大的作用，它能夠運(yùn)輸?shù)臇|西非常的多，運(yùn)輸?shù)乃俣纫卜浅５目欤€有非常強(qiáng)的可靠性。如果汽車上出現(xiàn)了故障是具有非常大的危害性的，它可能會導(dǎo)致人員的傷亡，物品損害，所以進(jìn)行機(jī)車的檢測是一個必不可少的事情。隨著科技的發(fā)展，檢測的手段越來越先進(jìn)，本文是講述基于圖像的機(jī)車車輛故障自動檢測方式。

一、圖像方式進(jìn)行收集資料。

（一）使用相機(jī)進(jìn)行機(jī)車故障的拍攝。

要進(jìn)行機(jī)車故障自動檢測，就需要先進(jìn)行拍攝故障。在日常生活中可以使用工業(yè)線陣相機(jī)等進(jìn)行故障拍攝。工業(yè)上線陣相機(jī)具有非常強(qiáng)的穩(wěn)定性，才能夠拍攝出頻率非常高并且清晰的照片，適合用于在汽車高速行駛的過程中進(jìn)行拍攝。

在拍攝的過程中需要在汽車的頂部、左邊、右邊和底部都要安裝攝像機(jī)，在各個方向上安好，相機(jī)能夠更清楚的拍攝到汽車的全部位置，從而不放過任何一處有故障的地方。在安裝的過程中，一定要首先算好相機(jī)能夠覆蓋的范圍，避免出現(xiàn)漏洞和死角的位置。對這些機(jī)車運(yùn)行過程中進(jìn)行了圖像的設(shè)計，便于以后與數(shù)據(jù)庫中的故障相比較，從而能夠高效的確定故障的位置。

（二）建立故障數(shù)據(jù)庫。

機(jī)車可能出現(xiàn)的故障是非常多的，如果想要進(jìn)行自動檢測故障就需要一個強(qiáng)大的數(shù)據(jù)庫。在建立故障數(shù)據(jù)庫的時候，需要考慮的機(jī)車包含了哪些專門的部件，哪些部件容易出現(xiàn)問題，并且出現(xiàn)問題后可能會出現(xiàn)的主要特征等。

二、自動識別技術(shù)。

（一）進(jìn)行車輛、車型、故障的自動識別。

建立完數(shù)據(jù)庫以后的下一步就是需要讓故障圖像與具體的故障進(jìn)行識別，從而能夠展現(xiàn)出機(jī)車出現(xiàn)的具體故障。首先需要進(jìn)行車輛的識別，通過圖像預(yù)處理、特征提取等技術(shù)對車輛的車號進(jìn)行識別。對于相機(jī)所拍下來的圖片，要對背景進(jìn)行處理，一定要先刪除背景的信息，只保留車牌號等字符信息。這就是上文所提到的圖像預(yù)處理的過程。之后需要采取分割技術(shù)，將車牌號的信息進(jìn)行分割，每個字母或者每個數(shù)字占一格。然后讓分割后的字符通過使用Gabor小波進(jìn)行仔細(xì)提取重要特征。使用Gabor小波進(jìn)項提取的方式就是特征提取的重要手段。[1]因為特征提取以后圖片的存儲空間是非常大的，所以要通過信息手段中的壓縮技術(shù)，對信息特征圖片進(jìn)行壓縮。在此過程中應(yīng)該要盡量保留字符的相關(guān)信息，可以去除色彩的部分。然后再使用小波神網(wǎng)絡(luò)進(jìn)行字符識別，從而進(jìn)行識別車號。

在識別車號的過程中，一定要通過算法層來確定汽車的相應(yīng)配置的信息。[2]將建立的數(shù)據(jù)庫，與汽車運(yùn)行時候的零件相結(jié)合，通過圖像識別來達(dá)到最高效、最快的自動識別。

（二）故障定位。

是車號識別結(jié)束以后，需要確定機(jī)車的具體部件，分析是哪一些部件出現(xiàn)了故障，需要如何進(jìn)行解決。在不同的領(lǐng)域使用圖像定位的方法不同，在此過程中可以使用圖像配準(zhǔn)的技術(shù)進(jìn)行定位。大部分使用圖像配準(zhǔn)這一手段進(jìn)行定位，因為圖像配準(zhǔn)能夠快速高效的進(jìn)行故障的定位。這項技術(shù)是模板與待測圖像的相結(jié)合。圖像配置主要是使用了模板與投影的方式。[3]在檢測之前仍需要確立一個機(jī)車各部件的模板，通過將具體實物與建立的模板將結(jié)合，才能夠確定出是哪一個地方出現(xiàn)了故障。在進(jìn)行圖像配準(zhǔn)定位的過程中，同樣也是使用了特征點定位的方式，將圖像中最重要的一個點與出現(xiàn)的故障相匹配，從而得到故障點的具體位置。

比如如果出現(xiàn)了汽車的某些部位脫漆的現(xiàn)象，故障圖片的部位就會有非常大的反光，它的灰度值是比正常狀況下要高的，所以能夠很快的通過投影與匹配的方式進(jìn)行定位。如果出現(xiàn)了齒輪箱漏油的癥狀，也可以通過齒輪箱故障時候的圖像與正常的圖像進(jìn)行相對比，從而有灰度值的大小來發(fā)現(xiàn)是否出現(xiàn)了漏油的現(xiàn)象。如果出現(xiàn)了裙板扣鎖丟失的現(xiàn)象，檢測正常圖片與故障圖片的差距是比較難以找出故障的點的，所以可以使用對比識別的方法，采用霍夫圓檢測算法進(jìn)行檢測，在檢測過程中會出現(xiàn)灰度值不同的現(xiàn)象。能夠有效的識別故障位置。

在圖像識別的汽車車輛故障自動檢測中，故障定位是比較重要的。

（三）故障識別。

在已經(jīng)定位好是哪一個部位出現(xiàn)了故障之后，就是需要確定機(jī)車出現(xiàn)了什么樣的故障。一般是使用待測圖像與正常圖像相對比的方式進(jìn)行檢測。如果兩個圖片中的亮度、色調(diào)、明暗程度不同，證明汽車極有可能會出現(xiàn)了故障，出現(xiàn)了這樣的情況，該自動檢測裝置就會進(jìn)行報警，提醒機(jī)車管理人員進(jìn)行維修。

三、機(jī)車檢測故障的趨勢。

在日新月異的科學(xué)技術(shù)下，基于圖像的機(jī)車車輛故障自動檢測裝置的前景是非常好的，它能夠通過相機(jī)拍攝汽車在正常情況的運(yùn)行情況，也能夠通過計算機(jī)來檢測出機(jī)車是否出現(xiàn)了故障，故障是否嚴(yán)重，要不要進(jìn)行及時的維修。通過圖像處理的算法，能夠更高效，更快速更便捷的找出車輛的故障。從而節(jié)省了人力，提高了效率，更重要的是提高了機(jī)車在鐵路運(yùn)輸方面的安全性，保護(hù)了人員健康。

隨著科技的發(fā)展以后，可能還會引發(fā)彩色的圖像和3D的圖像。如果有了彩色圖像和3D圖像就能夠更快更準(zhǔn)確的找出機(jī)車的故障。

總結(jié)：在目前的情況下，圖像識別技術(shù)是一個非常先進(jìn)的技術(shù)，如果通過圖像識別來檢測汽車車輛的故障，能夠更快速、更便捷地識別出機(jī)車的故障。基于圖像的機(jī)車車輛故障自動識別技術(shù)，是將圖像技術(shù)與計算機(jī)技術(shù)相互融合，從而達(dá)到更好的檢測故障的效果。這是故障自動檢測未來的一個發(fā)展趨勢，也是當(dāng)前人們最該研究的一個重要方面。

參考文獻(xiàn)：

[1]侯曉寶，常杰，徐順，咸伯誠，郭仁全，馬凌宇2016 - 第二十四屆海峽兩岸都市交通學(xué)術(shù)研討會

[3]燕大強(qiáng).機(jī)務(wù)檢修整備影像分析系統(tǒng)設(shè)計與實現(xiàn)[D].蘭州交通大學(xué)，2019.

作者簡介：

馬凌宇（1982.02--）;性別：男，籍貫：黑龍江省哈爾濱人，民族：漢族，學(xué)歷：碩士，畢業(yè)于哈爾濱工業(yè)大學(xué);現(xiàn)有職稱：高級工程師;研究方向：圖像識別。