列車檢修?？繝顟B(tài)下底板螺栓缺陷自動檢測研究

管春玲 周金龍 盧俊業(yè) 呂照明

（1.廣州鐵路職業(yè)技術(shù)學(xué)院 廣東省廣州市 510430 2.中國鐵路廣州局集團有限公司廣州動車段 廣東省廣州市 510000）

在工業(yè)領(lǐng)域，最常用的連接裝置為螺栓，應(yīng)用于航空航天、海上船舶、橋梁施工、化工設(shè)備、新能源建設(shè)等多個關(guān)鍵設(shè)備之間[1]。螺栓存在多種安裝優(yōu)勢，施工過程簡單、受力性能較好，具有較強耐久性與耐疲勞性，在動態(tài)荷載作用下，螺栓松動概率較小，在可拆卸零件以及荷載傳遞設(shè)備上具有關(guān)鍵性作用。因此，螺栓逐漸成為裝備連接與密封的主要部件。

列車上線運行過程中若出現(xiàn)底板螺栓松動現(xiàn)象，引起核心部件受損，列車運行穩(wěn)定性將受到影響，因此需要在列車上線之前檢修停靠狀態(tài)下，完成底板螺栓缺陷的精確檢測及處理，避免乘客生命財產(chǎn)安全受到威脅[2-3]。本文提出列車檢修?？繝顟B(tài)下底板螺栓缺陷自動檢測研究。

1 列車底板螺栓缺陷自動檢測

1.1 基于機器視覺的螺栓圖像采集

基于機器視覺的螺栓圖像采集系統(tǒng)主程序中主要包括四個關(guān)鍵子程序，即攝像機標(biāo)定子程序、圖像識別與定位子程序、導(dǎo)航子程序、抓取子程序。

攝像機標(biāo)定子程序：

相機標(biāo)定子程序作用在于求解相機內(nèi)外參數(shù)，矯正相機畸變鏡頭，明確相機放置位置。該標(biāo)定子程序是保證采摘成功的一道保障[4]。

步驟1：建立標(biāo)定需要的三個層次的坐標(biāo)系統(tǒng)。

步驟2：(xw, yw, zw)、(x, y, z)分別表示世界與相機坐標(biāo)系，坐標(biāo)系之間存在相互轉(zhuǎn)換關(guān)系，具體轉(zhuǎn)換形式如下所示：

上式中，T 表示世界坐標(biāo)系中的原點相機坐標(biāo)位置，R 表示旋轉(zhuǎn)矩陣形式，該矩陣呈現(xiàn)正交性。假設(shè)矩陣滿足下述限制要求：

在正交旋轉(zhuǎn)矩陣中，包含獨立變量Rx、Ry、Rz，結(jié)合相機外部參數(shù)tx、ty、tz，決定世界坐標(biāo)系中相機坐標(biāo)系的坐標(biāo)位置[5]。

步驟3：轉(zhuǎn)換圖像坐標(biāo)系與相機坐標(biāo)系。

假設(shè)(x,y)表示圖像物理坐標(biāo)系，像點p 的坐標(biāo)表示形式如下所示：

齊次坐標(biāo)表征方式如下所示：

在圖像物理坐標(biāo)系(u,v)中，轉(zhuǎn)換圖像坐標(biāo)系：

上式中，u0、v0表示螺栓缺陷位置坐標(biāo)，dx、dy表示橫縱坐標(biāo)形式下螺栓缺陷的尺寸大小，sx、sy表示橫縱坐標(biāo)軸上采樣頻率大小。

在像素坐標(biāo)系中，存在物點與像點之間的轉(zhuǎn)換，具體轉(zhuǎn)換形式如下所示：

上式中，fx、fy表示在坐標(biāo)軸橫縱向的等效間距大小，fx、fy、u0、v0表示相機內(nèi)部參數(shù)[16]。

步驟4：變換世界坐標(biāo)系與圖像坐標(biāo)系之間的關(guān)系，表征方式如下所示：

齊次坐標(biāo)具體表征方式如所示：

上式中，M 表示投影矩陣形式，通過相機內(nèi)外參數(shù)矩陣相乘加以表示。在上式中，具體表征針孔模型以及中心投影形式，確定相機內(nèi)參的限制條件，結(jié)合已知的像點與物點的具體坐標(biāo)，對相機外參加以求解[6]。

1.2 螺栓缺陷檢測

表1：文中方法檢測結(jié)果

使用稀疏表示方法得到螺栓圖像內(nèi)信號所包含的信息，繼而獲取螺栓缺陷的具體位置。通過稀疏表示方式，尋找稀疏矩陣x 以及過完字典D，y 表示圖像原始信號，信號最大限度表示為D×x，為保證稀疏矩陣x 非零因子數(shù)量最少，通過稀疏矩陣稀疏表示圖像原始信號y。

假設(shè)I 表示螺栓缺陷圖像，圖像中包括三種線性重疊，具體表征方式如下所示：

上式中，D 表示螺栓缺陷目標(biāo)，B 表示缺陷背景，N 表示圖像噪聲大小。在螺栓缺陷目標(biāo)中，假設(shè)存在超完備缺陷字典通過下述進行稀疏解求解：

上式中，表征螺栓缺陷目標(biāo)超完備轉(zhuǎn)換， 表示合成系數(shù)，該系數(shù)具有最高稀疏性能[7]。B 表示缺陷背景， 表示缺陷字典，通過上式生成相似的稀疏解。

設(shè)定I 表示螺栓缺陷圖像，采用稀疏變換，將其轉(zhuǎn)換為下述形式：

上式中，第三項表示原始缺陷圖像與重構(gòu)圖像之間的偏差值大小，表征螺栓缺陷圖像噪聲，λ 表示權(quán)重參變量。

將代價函數(shù)引入卷積神經(jīng)函數(shù)，確定網(wǎng)絡(luò)輸出值與期望值，確定二者之間誤差大小，誤差越小表示網(wǎng)絡(luò)性能越好，代價函數(shù)具體表征方式為：

上式中，C表示代價函數(shù)，x表示輸入值大小，y表示函數(shù)輸出值，表示函數(shù)期望值，c 表示函數(shù)中樣本總數(shù)數(shù)量。

在保證代價函數(shù)C 最小值的條件下，獲取最小值對應(yīng)的w、b梯度值，求解方法如下所示：

由上式可以看出，w、b 梯度值與輸出偏差之間存在一定關(guān)聯(lián)程度，偏差程度與梯度之間呈現(xiàn)正比關(guān)系。參變量w、b 調(diào)節(jié)速率與訓(xùn)練速率之間呈現(xiàn)正相關(guān)，調(diào)節(jié)速率越快，訓(xùn)練速率越快，在代價函數(shù)C 最小條件下，求解對應(yīng)的w、b，將其作為訓(xùn)練核心目標(biāo)，完成螺栓缺陷位置精確識別。

2 實驗研究

為保證缺陷檢測結(jié)果可行性，進行試驗分析。試驗相機設(shè)備為 1394 數(shù)字?jǐn)z像機，具體型號為DH-HV1310FC/FM，尺寸為1/1.8 英寸，采用CMOS 逐行掃描，分辨率為1280×1024 萬像素，通過線結(jié)構(gòu)光掃描儀圖獲取時間數(shù)據(jù)。

試驗中某部件螺栓圖像原始數(shù)據(jù)點云數(shù)據(jù)個數(shù)為18324 個，經(jīng)統(tǒng)計濾波操作處理點云數(shù)據(jù)個數(shù)為16124 個，螺栓實際形狀受影響較小。通過激光結(jié)構(gòu)光方式，獲取列車底板螺栓三維數(shù)據(jù)，提取螺栓圖像特征。

通過運用文中方法，測試螺栓的5 項缺陷類型識別率，具體測試結(jié)果如表1 所示。

如表1 實驗結(jié)果所示，文中方法在裂紋、氣孔、劃痕、砂眼、破損5 項不同類型缺陷中識別率最低的為破損缺陷檢測，識別率達(dá)到94.54%，對劃痕的識別率最高，識別率達(dá)到98.18%。

3 結(jié)論

本文基于機器視覺采集螺栓圖像，通過稀疏表示方式獲取螺栓缺陷圖像的具體信息，獲取螺栓缺陷位置具體信息。原始圖像經(jīng)過統(tǒng)計濾波處理，圖像點云數(shù)據(jù)個數(shù)為16124 個，在裂紋、氣孔、劃痕、砂眼、破損5 種缺陷類型中，識別率最低的為破損缺陷檢測，識別率達(dá)到94.54%，對劃痕的識別率最高，識別率達(dá)到98.18%。