基于感知哈希算法的受電弓滑板圖像檢測

王聞陽+高宏巖+林興鵬

摘 要： 現(xiàn)有的機(jī)車入庫受電弓檢測方法，除人工檢測外大多需要機(jī)械手臂搭載傳感器運(yùn)動(dòng)到受電弓附近。這類方法在復(fù)雜環(huán)境下使用時(shí)有著一定的局限性。現(xiàn)提出一種直接使用相機(jī)拍照的圖像檢測方法，利用感知哈希算法對(duì)檢測到的圖像進(jìn)行對(duì)比，自動(dòng)識(shí)別出被檢測對(duì)象的圖像，避免了因使用機(jī)械臂等設(shè)備帶來的干擾，所采集到的圖像可作為受電弓滑板磨耗檢測系統(tǒng)重要的數(shù)據(jù)來源。

關(guān)鍵詞： 受電弓滑板； 感知哈希算法； 圖像檢測； 機(jī)車入庫

中圖分類號(hào)：U264.3+4 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2018）02-58-04

Abstract： The existing detection methods of electric locomotive pantograph strip， excepting for manual testing， most of them need a mechanical arm equipped with sensor moving to the location near pantograph. These methods have limitations when they are used in a complex environment. In this paper a new image detection method used camera directly has been proposed， it uses perceptual Hash algorithm to contrast images and automatically identifies the image of the detected object， avoiding the interference caused by the use of mechanical arm. The image collected can be used as an important data source of pantograph strip abrasion detection system.

Key words： pantograph strip； perceptual Hash algorithm； image detection； locomotive in maintenance workshop

0 引言

我國現(xiàn)有鐵路干線以電氣化鐵路為主，電氣化鐵路以電力牽引作為主要牽引方式，受電弓作為電力機(jī)車與接觸網(wǎng)的連接部分，其性能在列車運(yùn)行時(shí)十分重要[1]。在對(duì)受電弓檢修的操作中，弓頭部分的檢查是重要環(huán)節(jié)，受電弓滑板碳條因運(yùn)行產(chǎn)生磨耗，其厚度一旦小于規(guī)定值就需要立即更換，避免在列車運(yùn)行中發(fā)生事故。

受電弓滑板狀態(tài)檢測方法主要有三種。①人工檢測的方法。這是最傳統(tǒng)的方法，需要操作人員在機(jī)車入庫的情況下登上車頂，使用直尺進(jìn)行人工測量，該方法的主要缺點(diǎn)是，登上車頂前機(jī)車需要進(jìn)行停車、落弓等一系列動(dòng)作以滿足登頂要求；人工作業(yè)時(shí)具有較大安全隱患等[2-3]。②接觸式檢測方法。依靠埋在滑板內(nèi)的光纖，當(dāng)滑板受到大沖擊作用產(chǎn)生磨耗時(shí)，通過電位變化探明受電弓滑板狀態(tài)[4-6]。③利用機(jī)械臂搭載激光、超聲等傳感器進(jìn)行測量。在有磨耗的地方，傳感器接收到的信號(hào)會(huì)有差別[7-8]。此類方法需要操作機(jī)械臂移動(dòng)到受電弓附近，由于接觸網(wǎng)與受電弓相接，在操作機(jī)械臂時(shí)要避免與接觸網(wǎng)發(fā)生碰撞，對(duì)設(shè)備安放位置和機(jī)械臂操作有著較高的要求[9]。④利用圖像處理技術(shù)。機(jī)車觸發(fā)光電傳感器時(shí)啟動(dòng)攝像頭對(duì)受電弓進(jìn)行圖像采集，通過電纜將圖像傳輸?shù)脚臄z點(diǎn)附近的控制室，由上位機(jī)端通過圖像處理技術(shù)完成對(duì)受電弓的檢測[10-11]。該方法的效果優(yōu)異，但也有一些局限性：利用電纜傳輸時(shí)設(shè)備不宜離控制中心過遠(yuǎn)；包括光電傳感器在內(nèi)的設(shè)備安裝、調(diào)試需要經(jīng)過較為復(fù)雜的步驟和較長的時(shí)間；使用時(shí)需要搭建一個(gè)新的機(jī)庫，成本較高。

考慮到以上幾種方法的優(yōu)缺點(diǎn)，提出了一種基于感知哈希算法的受電弓滑板圖像檢測方法，利用算法代替光電傳感器起到對(duì)相機(jī)的控制，將采集到的圖像通過無線傳輸?shù)姆绞絺鹘o上位機(jī)端進(jìn)行處理。

1 檢測系統(tǒng)設(shè)計(jì)

圖像檢測系統(tǒng)有三大組成部分，分別是采集端、服務(wù)器端和上位機(jī)端。采集端負(fù)責(zé)對(duì)受電弓進(jìn)行圖像采集。服務(wù)器端運(yùn)用無線傳輸技術(shù)，將接收到圖像發(fā)送至上位機(jī)端。上位機(jī)端對(duì)接收到的圖像進(jìn)行自動(dòng)處理，得到受電弓滑板部分的圖像。

1.1 采集端設(shè)計(jì)

感知哈希算法應(yīng)用在采集端，用于判定圖像中是否有目標(biāo)受電弓存在。相機(jī)采用定時(shí)定點(diǎn)拍照的方式，調(diào)整角度使相機(jī)鏡頭對(duì)準(zhǔn)受電弓所處位置，先拍攝一張沒有受電弓存在的圖像，圖像被處理后作為圖像對(duì)比時(shí)的基準(zhǔn)圖像使用。之后相機(jī)進(jìn)行定時(shí)拍照，拍攝的每副圖像與基準(zhǔn)圖像作對(duì)比，正常工況下，沒有受電弓時(shí)圖像與基準(zhǔn)圖像相似度極高，而當(dāng)受電弓進(jìn)入相機(jī)鏡頭范圍并被拍攝到時(shí)，與基準(zhǔn)圖像的相似度較低。圖像相似程度的計(jì)算由感知哈希算法完成。

哈希算法二進(jìn)制值進(jìn)行映射，映射后的二進(jìn)制值長度較短，稱為哈希值，常用于數(shù)據(jù)的搜索與加密[12]，感知哈希算法是其在圖像搜索領(lǐng)域中的應(yīng)用[13-14]。對(duì)于圖像數(shù)據(jù)，感知哈希算法能較為準(zhǔn)確的對(duì)比兩副圖像的相似程度，并且有著極快的對(duì)比速度。因此，在不需要高精度圖像對(duì)比的工作中，感知哈希算法有著很大的應(yīng)用價(jià)值。

感知哈希算法的核心是映射，將圖像映射為一組確定的字符串，稱為“指紋”，將不同圖像的指紋進(jìn)行對(duì)比，就能得到圖像相似度，感知哈希算法提取指紋的步驟如下：

⑴ 尺寸轉(zhuǎn)換。將圖像的尺寸縮小至8×8大小共64個(gè)像素，只保留圖像結(jié)構(gòu)、亮暗等信息，排除因變形、拉伸等原因產(chǎn)生的干擾因素，只針對(duì)重要信息進(jìn)行指紋提取。endprint

⑵ 灰度轉(zhuǎn)換。將圖像轉(zhuǎn)換為灰度圖像，為下一步計(jì)算作準(zhǔn)備。

⑶ 計(jì)算灰度的平均值。此值作為指紋提取的重要指標(biāo)。

⑷ 灰度值比較。將每個(gè)像素與平均灰度值作比較，大于（或相等）時(shí)記為1，小于時(shí)則記為0。

⑸ 生成哈希值。將上一步記錄下的數(shù)值組合在一起，即得到圖像的哈希值，作為提取出的圖像指紋，該指紋是一個(gè)64位整數(shù)。

將不同圖像提取到的指紋按位對(duì)比，即可計(jì)算出圖像的相似程度，對(duì)比結(jié)果即兩圖像間不同數(shù)據(jù)位的數(shù)量，可轉(zhuǎn)換為百分比的形式表示，或作為后續(xù)程序執(zhí)行的依據(jù)。

1.2 服務(wù)器端設(shè)計(jì)

要將圖像傳到上位機(jī)端，必須經(jīng)過服務(wù)器端的連接，需要為該系統(tǒng)搭建專門的服務(wù)器端。服務(wù)器端可在互聯(lián)網(wǎng)上實(shí)現(xiàn)功能，進(jìn)行圖像長距離無線傳輸，使用TCP/IP協(xié)議，需要利用動(dòng)態(tài)域名解析服務(wù)來完成?；ヂ?lián)網(wǎng)用戶通過本地的域名服務(wù)器獲得網(wǎng)站域名的IP地址。在服務(wù)器端的出口和入口處，需要將傳輸數(shù)據(jù)編碼，使得采集到的圖像信息轉(zhuǎn)換為適合TCP/IP協(xié)議傳輸?shù)臄?shù)據(jù)。

1.3 上位機(jī)端設(shè)計(jì)

上位機(jī)端將服務(wù)器端傳來的圖像保存到固定文件夾，利用MATLAB軟件循環(huán)遍歷文件夾中的圖像，并進(jìn)行圖像處理，最終獲得需要的數(shù)據(jù)。每處理完一副圖像，將此圖像從原有文件夾中移除，轉(zhuǎn)移到一個(gè)新文件夾中作為留存，原文件夾中圖像數(shù)正常情況下不會(huì)大于一張，降低了MATLAB圖像處理的壓力和發(fā)生讀取錯(cuò)誤可能性。

MATLAB具有完備的圖形處理功能和豐富的工具箱，可對(duì)圖像進(jìn)行裁剪、濾波等預(yù)處理，進(jìn)而可進(jìn)行邊緣檢測等深度處理[15]，上位機(jī)端圖像處理流程如圖1所示。

2 檢測過程

2.1 設(shè)備選取與架設(shè)

系統(tǒng)采集端程序由java語言編寫，可在搭載Android平臺(tái)的移動(dòng)設(shè)備上進(jìn)行調(diào)試運(yùn)行。上位機(jī)端需要安裝MATLAB軟件作為圖像處理平臺(tái)，同時(shí)需要相應(yīng)的服務(wù)器程序。詳細(xì)設(shè)備清單如表1所示。

由三腳架、手機(jī)組成拍攝設(shè)備，經(jīng)現(xiàn)場調(diào)試，設(shè)備拍擺放位置選擇在距車門后沿370cm的檢修架平臺(tái)上。將攝像頭對(duì)準(zhǔn)受電弓前弓與接觸網(wǎng)接觸的中心位置，調(diào)整角度使受電弓上下邊緣盡可能與圖像底邊平行。設(shè)備架設(shè)位置如圖2所示。

2.2 操作步驟

⑴ 在上位機(jī)端連接互聯(lián)網(wǎng)的前提下，打開花生殼軟件，運(yùn)行編寫好的ECLIPSE程序、MATLAB程序，上位機(jī)端進(jìn)入自動(dòng)模式。

⑵ 采集端打開集成了感知哈希算法的軟件，進(jìn)入自動(dòng)拍照、對(duì)比、傳輸?shù)哪Ｊ健?/p>

⑶ 系統(tǒng)進(jìn)入自動(dòng)檢測階段，在上位機(jī)端可查看已檢測到的受電弓圖像和基本信息。

3 檢測結(jié)果

通過與基準(zhǔn)圖像比對(duì)，經(jīng)現(xiàn)場測試得出相似度閾值，當(dāng)相似度低于90%時(shí)視為采集到受電弓圖像，執(zhí)行圖像傳輸功能。圖3為感知哈希算法對(duì)比圖像，經(jīng)感知哈希算法計(jì)算，兩幅圖像的相似度為75%，低于設(shè)定值，因此待判斷圖像被視作包含受電弓的圖像，傳輸至上位機(jī)端。

傳輸至上位機(jī)端的圖像，通過MATLAB軟件自動(dòng)進(jìn)行預(yù)處理。裁剪前預(yù)處理包含對(duì)比度拉伸、濾波、等內(nèi)容，可減少圖像噪點(diǎn)、增強(qiáng)對(duì)比度，對(duì)后期邊緣提取效果有很大提升[16]。裁剪后包含裁剪、圖像變換等內(nèi)容，可提取到關(guān)鍵位置圖像并進(jìn)行邊緣提取，獲得關(guān)鍵位置的邊緣信息，預(yù)處理結(jié)果如圖4所示。

在獲取到關(guān)鍵位置的圖像后對(duì)接觸網(wǎng)進(jìn)行定位。定位接觸網(wǎng)對(duì)整個(gè)系統(tǒng)有重要意義，在定位受電弓滑板上、下邊緣時(shí)，有效屏蔽接觸網(wǎng)圖像，排除接觸網(wǎng)帶來的干擾。圖5為定位到的接觸網(wǎng)圖像。

圖5 定位到的接觸網(wǎng)圖像

定位到接觸網(wǎng)后，通過算法確定受電弓滑板下邊緣，由下邊緣向上搜索得到上邊緣[17]，最終確定受電弓滑板的邊緣。定位到的滑板下邊緣圖像，可結(jié)合下邊緣齊整的實(shí)際特點(diǎn)對(duì)下邊緣進(jìn)行擬合。圖6為受電弓滑板邊緣檢測圖像?？梢钥闯鰯M合后的下邊緣更為連續(xù)，能搜索到更多的上邊緣信息，進(jìn)一步減小接觸網(wǎng)對(duì)滑板邊緣定位帶來的干擾。

圖6 受電弓滑板邊緣圖像

4 結(jié)論

本文基于感知哈希算法采集到受電弓滑板圖像，通過對(duì)軟件、硬件的設(shè)計(jì)，成功實(shí)現(xiàn)了受電弓圖像采集、自動(dòng)化圖像處理等功能。通過感知哈希算法可以從圖像的角度判定是否獲取到受電弓圖像，無需使用紅外傳感器等硬件，使得本系統(tǒng)具有搭設(shè)快捷、成本低廉的特點(diǎn)。由本系統(tǒng)檢測到的受電弓圖像，可提取到接觸網(wǎng)、下邊緣、上邊緣等重要圖像信息，為后期實(shí)現(xiàn)受電弓滑板自動(dòng)磨耗檢測提供了重要的數(shù)據(jù)支持，具有很高的實(shí)驗(yàn)和實(shí)用價(jià)值。

參考文獻(xiàn)（References）：

[1] 錢清泉.電氣化鐵道微機(jī)監(jiān)控技術(shù)（電氣化鐵路基本知識(shí)（修訂版））[M].中國鐵道出版社，2000.

[2] 馮倩，陳維榮，王云龍.受電弓滑板磨耗測量算法的研究[J].鐵道學(xué)報(bào)，2010.1：109-113

[3] 仲崇成，李恒奎，李鵬，等.高速綜合檢測列車綜述[J].中國鐵路，2013.6：89-93

[4] 黃艷紅.受電弓滑板磨耗圖像檢測算法研究[D].西南交通大學(xué)，2008.

[5] 尹保來，王伯銘.超聲波測距原理在受電弓磨耗檢測中的應(yīng)用[J].機(jī)車電傳動(dòng)，2008.5：57-59

[6] Tatsuya KOYAMA，劉志榮.用裝在接觸網(wǎng)上的傳感器探測受電弓缺陷的方法[J].國外鐵道機(jī)車與動(dòng)車，2017.2：30-34

[7] 孟祥奎，吳積欽.受電弓和接觸網(wǎng)運(yùn)行狀態(tài)定點(diǎn)監(jiān)測裝置[J].電氣化鐵道，2010.2：32-34

[8] 羅鵬，王澤勇，高曉蓉，等.電力機(jī)車入庫受電弓滑板磨耗檢測[J].光電工程，2004.31：88-90

[9] 韓志偉，劉志剛，張桂南等.非接觸式弓網(wǎng)圖像檢測技術(shù)研究綜述[J].鐵道學(xué)報(bào)，2013.6：40-47

[10] 賈成芬，王伯銘，孫豐暉.基于OpenGL的受電弓磨耗檢測系統(tǒng)圖像化設(shè)計(jì)[J].機(jī)械工程與自動(dòng)化，2010.6：21-22，25

[11] 孟歡，楊雪榮，呂文閣等.一種單軌列車受電弓滑板磨耗檢測系統(tǒng)的設(shè)計(jì)[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2017.8：151-154

[12] 王金海，魏寧，崔軍等.一種生物證書密鑰生成算法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2016.11：90-95

[13] 姚永明，楊純，吳凌燕，等.關(guān)于對(duì)圖像哈希算法的研究與應(yīng)用[J].西安文理學(xué)院學(xué)報(bào)（自然科學(xué)版），2016.19（5）：30-33

[14] 唐小蔓，王云飛，鄒復(fù)好等.基于多哈希算法的大規(guī)模圖像快速檢索方法[J].計(jì)算機(jī)工程與科學(xué)，2016.7：1316-1321

[15] 趙小川.現(xiàn)代數(shù)字圖像處理技術(shù)提高及應(yīng)用案例詳解：MATLAB版[M].北京航空航天大學(xué)，2012.

[16] 林玉池，崔彥平，黃銀國.復(fù)雜背景下邊緣提取與目標(biāo)識(shí)別方法研究[J].光學(xué)精密工程，2006.3：90-95

[17] 師鵬燕，王黎，高曉蓉等.基于仰拍方式的受電弓滑板圖像檢測[J].機(jī)車電傳動(dòng)，2010.1：57-59endprint