基于图像的机车车辆故障自动识别

摘要：随着科技的发展，机车车辆的故障需要更加便捷高效的方法进行识别。本文将从图像识别的方面，全面的讲述怎样进行了机车车辆故障的识别。主要内容包括了：如何进行收集资料，如何确立车号以及如何实现将现实中的车辆与数据库中的问题相结合。

关键词：图像识别;车辆故障;自动识别;机车故障

在现代的生活中，机车也就是铁路运输，是一个必不可少的交通工具。铁路运输有非常强大的作用，它能够运输的东西非常的多，运输的速度也非常的快，还有非常强的可靠性。如果汽车上出现了故障是具有非常大的危害性的，它可能会导致人员的伤亡，物品损害，所以进行机车的检测是一个必不可少的事情。随着科技的发展，检测的手段越来越先进，本文是讲述基于图像的机车车辆故障自动检测方式。

一、图像方式进行收集资料。

（一）使用相机进行机车故障的拍摄。

要进行机车故障自动检测，就需要先进行拍摄故障。在日常生活中可以使用工业线阵相机等进行故障拍摄。工业上线阵相机具有非常强的稳定性，才能够拍摄出频率非常高并且清晰的照片，适合用于在汽车高速行驶的过程中进行拍摄。

在拍摄的过程中需要在汽车的顶部、左边、右边和底部都要安装摄像机，在各个方向上安好，相机能够更清楚的拍摄到汽车的全部位置，从而不放过任何一处有故障的地方。在安装的过程中，一定要首先算好相机能够覆盖的范围，避免出现漏洞和死角的位置。对这些机车运行过程中进行了图像的设计，便于以后与数据库中的故障相比较，从而能够高效的确定故障的位置。

（二）建立故障数据库。

机车可能出现的故障是非常多的，如果想要进行自动检测故障就需要一个强大的数据库。在建立故障数据库的时候，需要考虑的机车包含了哪些专门的部件，哪些部件容易出现问题，并且出现问题后可能会出现的主要特征等。

二、自动识别技术。

（一）进行车辆、车型、故障的自动识别。

建立完数据库以后的下一步就是需要让故障图像与具体的故障进行识别，从而能够展现出机车出现的具体故障。首先需要进行车辆的识别，通过图像预处理、特征提取等技术对车辆的车号进行识别。对于相机所拍下来的图片，要对背景进行处理，一定要先删除背景的信息，只保留车牌号等字符信息。这就是上文所提到的图像预处理的过程。之后需要采取分割技术，将车牌号的信息进行分割，每个字母或者每个数字占一格。然后让分割后的字符通过使用Gabor小波进行仔细提取重要特征。使用Gabor小波進项提取的方式就是特征提取的重要手段。[1]因为特征提取以后图片的存储空间是非常大的，所以要通过信息手段中的压缩技术，对信息特征图片进行压缩。在此过程中应该要尽量保留字符的相关信息，可以去除色彩的部分。然后再使用小波神网络进行字符识别，从而进行识别车号。

在识别车号的过程中，一定要通过算法层来确定汽车的相应配置的信息。[2]将建立的数据库，与汽车运行时候的零件相结合，通过图像识别来达到最高效、最快的自动识别。

（二）故障定位。

是车号识别结束以后，需要确定机车的具体部件，分析是哪一些部件出现了故障，需要如何进行解决。在不同的领域使用图像定位的方法不同，在此过程中可以使用图像配准的技术进行定位。大部分使用图像配准这一手段进行定位，因为图像配准能够快速高效的进行故障的定位。这项技术是模板与待测图像的相结合。图像配置主要是使用了模板与投影的方式。[3]在检测之前仍需要确立一个机车各部件的模板，通过将具体实物与建立的模板将结合，才能够确定出是哪一个地方出现了故障。在进行图像配准定位的过程中，同样也是使用了特征点定位的方式，将图像中最重要的一个点与出现的故障相匹配，从而得到故障点的具体位置。

比如如果出现了汽车的某些部位脱漆的现象，故障图片的部位就会有非常大的反光，它的灰度值是比正常状况下要高的，所以能够很快的通过投影与匹配的方式进行定位。如果出现了齿轮箱漏油的症状，也可以通过齿轮箱故障时候的图像与正常的图像进行相对比，从而有灰度值的大小来发现是否出现了漏油的现象。如果出现了裙板扣锁丢失的现象，检测正常图片与故障图片的差距是比较难以找出故障的点的，所以可以使用对比识别的方法，采用霍夫圆检测算法进行检测，在检测过程中会出现灰度值不同的现象。能够有效的识别故障位置。

在图像识别的汽车车辆故障自动检测中，故障定位是比较重要的。

（三）故障识别。

在已经定位好是哪一个部位出现了故障之后，就是需要确定机车出现了什么样的故障。一般是使用待测图像与正常图像相对比的方式进行检测。如果两个图片中的亮度、色调、明暗程度不同，证明汽车极有可能会出现了故障，出现了这样的情况，该自动检测装置就会进行报警，提醒机车管理人员进行维修。

三、机车检测故障的趋势。

在日新月异的科学技术下，基于图像的机车车辆故障自动检测装置的前景是非常好的，它能够通过相机拍摄汽车在正常情况的运行情况，也能够通过计算机来检测出机车是否出现了故障，故障是否严重，要不要进行及时的维修。通过图像处理的算法，能够更高效，更快速更便捷的找出车辆的故障。从而节省了人力，提高了效率，更重要的是提高了机车在铁路运输方面的安全性，保护了人员健康。

随着科技的发展以后，可能还会引发彩色的图像和3D的图像。如果有了彩色图像和3D图像就能够更快更准确的找出机车的故障。

总结：在目前的情况下，图像识别技术是一个非常先进的技术，如果通过图像识别来检测汽车车辆的故障，能够更快速、更便捷地识别出机车的故障。基于图像的机车车辆故障自动识别技术，是将图像技术与计算机技术相互融合，从而达到更好的检测故障的效果。这是故障自动检测未来的一个发展趋势，也是当前人们最该研究的一个重要方面。

参考文献：

[1]侯晓宝，常杰，徐顺，咸伯诚，郭仁全，马凌宇2016 - 第二十四届海峡两岸都市交通学术研讨会

[3]燕大强.机务检修整备影像分析系统设计与实现[D].兰州交通大学，2019.

作者简介：

马凌宇（1982.02--）;性别：男，籍贯：黑龙江省哈尔滨人，民族：汉族，学历：硕士，毕业于哈尔滨工业大学;现有职称：高级工程师;研究方向：图像识别。