崔瀚鈺
(中國(guó)鐵路上海局集團(tuán)有限公司 科學(xué)技術(shù)研究所, 上海 200333)
鋼軌磨耗狀態(tài)檢測(cè)是鐵路線路日常養(yǎng)護(hù)維修的一項(xiàng)重要工作,對(duì)保證列車平穩(wěn)運(yùn)行和線路安全有著重要意義.目前常見的鋼軌磨耗檢測(cè)方式可以分為靜態(tài)檢測(cè)和動(dòng)態(tài)檢測(cè)兩大類[1-2].靜態(tài)檢測(cè)通常使用探針類的接觸式檢測(cè)或激光傳感器為主的非接觸式檢測(cè),其檢測(cè)精度高,檢測(cè)效率相對(duì)較低;動(dòng)態(tài)檢測(cè)主要是以軌檢車為載體的各類非接觸式檢測(cè),檢測(cè)效率高,但檢測(cè)精度相對(duì)較低,同時(shí)受軌檢車作業(yè)計(jì)劃排布等因素的影響,其檢測(cè)周期長(zhǎng),時(shí)效性差.隨著鐵路里程、發(fā)車對(duì)數(shù)的增加,列車運(yùn)行速度的提高,為更好地滿足現(xiàn)代鐵路運(yùn)輸?shù)囊?提高線路養(yǎng)護(hù)維修的質(zhì)量和效率,輕便、高效、精確的鋼軌磨耗狀態(tài)檢測(cè)設(shè)備正成為線路養(yǎng)護(hù)維修單位的迫切需求.
近年來,隨著機(jī)器視覺技術(shù)的發(fā)展,以CCD相機(jī)和線激光為核心組件的各類鋼軌檢測(cè)系統(tǒng)受到越來越多的關(guān)注,得到深入研究[3-9].許玉德等[10]基于機(jī)器視覺圖像識(shí)別測(cè)量技術(shù),研制一種手推式磨耗狀態(tài)檢測(cè)儀,實(shí)現(xiàn)同時(shí)對(duì)鋼軌廓型、鋼軌頂面不平順及軌底坡的連續(xù)測(cè)量[10].然而,復(fù)雜的現(xiàn)場(chǎng)環(huán)境嚴(yán)重影響設(shè)備儀器在現(xiàn)場(chǎng)作業(yè)中的應(yīng)用效果,究其原因一般有以下幾點(diǎn):1) 數(shù)學(xué)模型理想化,無法適應(yīng)、匹配復(fù)雜的現(xiàn)場(chǎng)工況,實(shí)際檢測(cè)效果不佳;2) 使用的多數(shù)算法在抑制干擾、提高精度的同時(shí),增加了系統(tǒng)的運(yùn)算時(shí)間,檢測(cè)效率降低,難以達(dá)到快速響應(yīng)的要求,實(shí)用性降低.
為提高鋼軌磨耗狀態(tài)檢測(cè)儀對(duì)復(fù)雜現(xiàn)場(chǎng)環(huán)境的適應(yīng)性,提升設(shè)備的實(shí)用價(jià)值,本文通過軟、硬件綜合優(yōu)化設(shè)計(jì),實(shí)現(xiàn)對(duì)鋼軌廓形快速、精確、穩(wěn)定地檢測(cè).
手推式鋼軌磨耗狀態(tài)檢測(cè)儀主要由走形系統(tǒng)、檢測(cè)系統(tǒng)、數(shù)據(jù)處理系統(tǒng)組成[10],如圖1所示.
圖1 手推式鋼軌磨耗狀態(tài)檢測(cè)儀Fig.1 Hand-push rail wear status detector
由圖可見,檢測(cè)儀核心部分檢測(cè)系統(tǒng)構(gòu)架與常見的檢測(cè)系統(tǒng)相似[11-15],主要由相機(jī)、激光發(fā)生器、里程記錄儀等組成.其中,激光發(fā)生器產(chǎn)生激光,打在鋼軌上,形成斷面輪廓線;相機(jī)拍攝鋼軌斷面輪廓線,采集輪廓原始圖像;里程記錄儀換算出檢測(cè)儀的測(cè)量里程,記錄測(cè)量位置信息,基本檢測(cè)原理如圖2所示.
圖2 檢測(cè)系統(tǒng)原理圖Fig.2 Schematic diagram of detection system
鋼軌磨耗主要由輪軌接觸引起,發(fā)生在軌頭部位.精確檢測(cè)出鋼軌軌頭輪廓是實(shí)現(xiàn)鋼軌磨耗狀態(tài)檢測(cè)的必要條件.
根據(jù)現(xiàn)場(chǎng)檢測(cè)環(huán)境及鋼軌狀態(tài)的不同,檢測(cè)系統(tǒng)通過調(diào)整相機(jī)參數(shù),在合適的條件下,拍攝激光器在鋼軌斷面形成的輪廓線,采集得到清晰的鋼軌斷面輪廓原始圖像.設(shè)備采集的(軌頭部分)原始圖像如圖3所示.
圖3 鋼軌斷面輪廓原始圖像Fig.3 Original image of rail profile
Canny算子是一種常用的性能優(yōu)良的邊緣檢測(cè)算子.輪廓檢測(cè)系統(tǒng)以Canny算子為標(biāo)準(zhǔn)算子,計(jì)算鋼軌斷面的輪廓邊緣.
Step 1圖像平滑:利用高斯函數(shù)對(duì)圖像進(jìn)行平滑,以減少圖像噪聲對(duì)提取邊緣的影響.高斯濾波函數(shù)G(x,y)形式為
式中:σ為標(biāo)準(zhǔn)差,其大小影響對(duì)圖像的平滑程度.
為提高運(yùn)算效率,將高斯函數(shù)做二階微分,生成平滑模板,與原圖像進(jìn)行卷積計(jì)算.取5×5的平滑模板,形式為
Step 2梯度計(jì)算:采用一階Sobel算子對(duì)平滑處理后的圖像在水平方向x及垂直方向y分別求梯度,可得梯度模板
式中:Gx為水平方向梯度模板,Gy為垂直方向梯度模板.
圖像梯度幅值及方向角分別為
式中:GX為水平方向梯度;GY為垂直方向梯度;θ為方向角,且近似歸并到0°,45°,90°,135°等4個(gè)方向.
Step 3非極大值抑制:在相同梯度方向下,比較像素點(diǎn)及其領(lǐng)域內(nèi)點(diǎn)的梯度值大小,求取可能的邊緣中心點(diǎn).
Step 4邊緣計(jì)算:利用滯后閾值算法計(jì)算提取出的最終的鋼軌輪廓邊緣.提取的輪廓邊緣如圖4所示.
圖4 鋼軌軌頭輪廓邊緣(右)Fig.4 Rail head profile edge(right)
由于圖像中光線輪廓具有一定的寬度,邊緣計(jì)算得到鋼軌輪廓的上下邊緣后,需要在求取的鋼軌輪廓上下邊緣間,細(xì)化提取出連續(xù)、準(zhǔn)確的單像素鋼軌輪廓曲線.
現(xiàn)有提取方法主要有極值法、閾值法、灰度重心法、髙斯曲線擬合法、Steger算法等[16-17].在原始圖像清晰、噪聲極少的情況下,利用簡(jiǎn)單、快速的極值法就能提取出相對(duì)精確的鋼軌輪廓.
提取出的鋼軌輪廓存在于二維像素坐標(biāo)系,需要通過對(duì)系統(tǒng)進(jìn)行標(biāo)定,轉(zhuǎn)化求取真實(shí)尺寸.
設(shè)計(jì)多陣列圓結(jié)構(gòu)的精密標(biāo)定板,用于系統(tǒng)標(biāo)定.標(biāo)定板上有規(guī)律地分布著直徑為1.2 mm的基準(zhǔn)圓,兩個(gè)基準(zhǔn)圓之間的圓心距為3 mm.基準(zhǔn)圓采用噴黑處理,使其與背景之間存在明顯的灰度差,以降低周圍環(huán)境和光照等因素對(duì)圖像質(zhì)量的影響.將轉(zhuǎn)換后的鋼軌左右兩側(cè)輪廓拼接后,得到鋼軌輪廓檢測(cè)結(jié)果.將檢測(cè)結(jié)果繪圖顯示,如圖5所示.
圖5 鋼軌輪廓檢測(cè)值(軌頭部分)Fig.5 Measurement value of rail profile(rail head)
將得到的鋼軌輪廓檢測(cè)結(jié)果與標(biāo)準(zhǔn)鋼軌輪廓匹配后,計(jì)算出相應(yīng)的鋼軌磨耗狀態(tài),如圖6所示.圖中,實(shí)線輪廓為標(biāo)準(zhǔn)軌頭輪廓,虛線輪廓為當(dāng)前狀態(tài)鋼軌的檢測(cè)值.
圖6 磨耗計(jì)算Fig.6 Rail wear counting
隨著線路運(yùn)營(yíng)及日常養(yǎng)護(hù)維修,鋼軌表面的狀態(tài)越來越復(fù)雜,出現(xiàn)如銹跡、油漬、光帶、附著雜物等情況,在光照等外部環(huán)境的共同作用下,極大影響原始采集圖像的質(zhì)量,使得實(shí)際采集到的原始圖像往往存在較多的噪聲,通常包括:因漏光、設(shè)備異常反光等引起的異常光斑(噪聲A);因光帶、打磨痕跡等引起的表面(對(duì)稱、非對(duì)稱)反光(噪聲B);因鋼軌表面污漬、激光參數(shù)等引起的光線圖案局部暗淡、缺失等(噪聲C),如圖7所示.
圖7 帶噪聲的鋼軌輪廓圖像(軌頭部分)Fig.7 Rail profile image with noise(rail head)
這些噪聲的存在使得檢測(cè)換算鋼軌輪廓時(shí)出現(xiàn)異常,嚴(yán)重影響鋼軌磨耗狀態(tài)的計(jì)算,因此需要對(duì)常規(guī)檢測(cè)方法進(jìn)行補(bǔ)充優(yōu)化.
為解決異常光斑的影響,首先在機(jī)械結(jié)構(gòu)上增加物理屏蔽結(jié)構(gòu),減少外部光線對(duì)檢測(cè)區(qū)域的影響;同時(shí),根據(jù)整體設(shè)計(jì),在算法處理前端設(shè)置合理的屏蔽區(qū)域,實(shí)現(xiàn)對(duì)異常光斑的強(qiáng)制屏蔽.
中值濾波是一種非線性平滑技術(shù),其將圖像的每個(gè)像素用鄰域(以當(dāng)前像素為中心的正方形區(qū)域)像素的中值代替,能夠很好地消除孤立點(diǎn)、突變點(diǎn),在保護(hù)圖像邊緣的同時(shí)去除噪聲.
利用中值濾波能夠很好地解決閾值范圍內(nèi)較小的異常光斑和異常點(diǎn)對(duì)檢測(cè)結(jié)果的影響.
由于傳輸器件的低頻效應(yīng),在輪廓邊緣區(qū)域之間存在一片介于圖像和邊緣的區(qū)域,并且經(jīng)過平滑處理后,邊緣往往會(huì)變寬,這使得利用Canny算子提取到正確輪廓的難度及運(yùn)算量都大大增加.
在傳統(tǒng)Canny算子的基礎(chǔ)上,結(jié)合檢測(cè)儀硬件優(yōu)化設(shè)計(jì),參考自適應(yīng)直方圖均衡化、灰度重心等方法,對(duì)輪廓提取算法進(jìn)行改進(jìn),有效地解決了表面反光、局部暗淡缺失等對(duì)檢測(cè)的影響.
此外,通過合理地合并計(jì)算步驟、壓縮計(jì)算量等方式,在保證檢測(cè)精度的前提下,最終的鋼軌磨耗狀態(tài)檢測(cè)算法可在使用常規(guī)手推檢測(cè)模式下,依然滿足最高5 mm采樣間隔的運(yùn)算要求[10].
現(xiàn)場(chǎng)測(cè)試中采集的原始圖片如圖8所示.經(jīng)過異常屏蔽處理后,圖片幾乎完全消除了異常光斑,其主要存在的噪聲有兩種:噪聲A為打磨后造成的局部不均勻反光;噪聲B為表面污漬造成的光線圖案缺失.
圖8 原始圖片(軌頭部分)Fig.8 Original picture(rail head)
優(yōu)化前后輪廓檢測(cè)結(jié)果如圖9所示.重點(diǎn)比較噪聲A、B所在區(qū)域的檢測(cè)結(jié)果.從圖中可見,優(yōu)化前受噪聲影響,檢測(cè)結(jié)果出現(xiàn)局部波浪形輪廓;優(yōu)化后輪廓檢測(cè)結(jié)果的平順性更高,更加符合鋼軌面的實(shí)際情況.
圖9 優(yōu)化效果對(duì)比(部分)Fig.9 Comparison of optimization results(part)
比較優(yōu)化前后鋼軌磨耗狀態(tài)檢測(cè)儀的檢測(cè)精度,并使用常用的傳統(tǒng)靜態(tài)檢測(cè)儀進(jìn)行現(xiàn)場(chǎng)校驗(yàn).
在同一廓形斷面上,使用傳統(tǒng)靜態(tài)檢測(cè)儀(儀器a)測(cè)量1次;使用鋼軌磨耗狀態(tài)檢測(cè)儀(儀器b)對(duì)優(yōu)化后的系統(tǒng)測(cè)量2次,再切換優(yōu)化前的系統(tǒng)測(cè)量1次.利用相同基準(zhǔn),在多個(gè)位置比較測(cè)量結(jié)果,見表1.
表1 測(cè)量精度比較Table 1 Comparison of measurement accuracy
測(cè)量結(jié)果顯示,優(yōu)化后鋼軌磨耗狀態(tài)檢測(cè)儀的(動(dòng)態(tài))檢測(cè)精度,與優(yōu)化前傳統(tǒng)靜態(tài)檢測(cè)儀基本相當(dāng),測(cè)量重復(fù)性精度保持在0.018 mm[10]之內(nèi),測(cè)量結(jié)果穩(wěn)定.
手推式鋼軌磨耗狀態(tài)檢測(cè)儀自2018年在中國(guó)鐵路上海局集團(tuán)有限公司通過鑒定驗(yàn)收后,經(jīng)不斷改進(jìn)優(yōu)化,在寧杭、滬寧、滬杭、青鹽、連鎮(zhèn)、皖贛、寧安等多條鐵路線路以及上海、無錫、蘇州等城市多條地鐵線路累計(jì)進(jìn)行約1 000 km的現(xiàn)場(chǎng)檢測(cè),檢測(cè)效果良好,系統(tǒng)穩(wěn)定性高.現(xiàn)場(chǎng)檢測(cè)如圖10所示.
圖10 現(xiàn)場(chǎng)檢測(cè)Fig.10 Onsite detection
得益于系統(tǒng)的快速響應(yīng),高密度、高精度的檢測(cè)采樣,手推式鋼軌磨耗狀態(tài)檢測(cè)儀能夠很好地實(shí)現(xiàn)鋼軌廓形檢測(cè)、磨耗計(jì)算、頂面不平順檢測(cè)等多種功能,并實(shí)時(shí)反饋檢測(cè)結(jié)果,檢測(cè)效果得到一線作業(yè)人員的好評(píng).檢測(cè)結(jié)果顯示界面如圖11所示.
圖11 檢測(cè)結(jié)果實(shí)時(shí)顯示界面Fig.11 Real time display of test results
本研究利用機(jī)器視覺技術(shù),針對(duì)復(fù)雜的現(xiàn)場(chǎng)檢測(cè)環(huán)境,結(jié)合硬件系統(tǒng)的改進(jìn)設(shè)計(jì),對(duì)常規(guī)圖像算法進(jìn)行優(yōu)化,在保證檢測(cè)精度的前提下,維持檢測(cè)系統(tǒng)的運(yùn)算速度,使得鋼軌磨耗狀態(tài)檢測(cè)儀在復(fù)雜的現(xiàn)場(chǎng)環(huán)境下依舊可以穩(wěn)定地實(shí)現(xiàn)精確測(cè)量,極大提升了設(shè)備的實(shí)用性.
隨著諸多新興技術(shù)的發(fā)展應(yīng)用,簡(jiǎn)單、高效、輕便、準(zhǔn)確的智能化設(shè)備將極大緩解鋼軌磨耗檢測(cè)現(xiàn)場(chǎng)工作中工作量增加與作業(yè)人員不足之間的矛盾.同時(shí),通過精準(zhǔn)設(shè)計(jì)將專業(yè)性的作業(yè)任務(wù)轉(zhuǎn)化為“傻瓜式”的標(biāo)準(zhǔn)作業(yè)模式,也可降低人為因素對(duì)作業(yè)質(zhì)量的影響,提高作業(yè)的安全性和可靠性,推動(dòng)高速鐵路中諸多日常檢養(yǎng)修工作逐步走向標(biāo)準(zhǔn)化,現(xiàn)場(chǎng)管理進(jìn)一步精細(xì)化.