基于图像处理技术的转辙机智能检测研究
近年来，随着城市规模不断扩大和城市轨道交通的迅速发展，轨道交通已成为人们日常出行的主要交通工具之一，随之而来的是工程技术人员对轨道交通设备的繁重的检修工作。如何利用人工智能技术代替人力进行轨道交通设备的监测工作成为人们关注的重点。
南京理工大学的研究人员朱晨呈、徐永能，在2019年《电气技术》增刊中撰文，针对轨道交通设备中的转辙机设备的智能化故障监测进行研究，利用图像处理技术，合理运用图像分割、边缘检测和形态学运算等算法，对转辙机设备中杆缺口的相对变化量进行检测，实现杆缺口的精准有效监测，并及时提供智能告警，从而提高设备的智能化应用水平，确保轨道交通设备的安全运行。
近年来，随着城市规模不断扩大，城市交通拥堵问题凸显，人们越来越多地选择城市轨道交通作为日常出行工具。而城市轨道交通车辆速度不断提升，列车的载重量和车辆行驶密度不断增加，对轨道交通辅助设备的稳定、安全、监测和维护等提出了更高的要求。
其中，转辙机设备作为实现道岔尖轨等转换的关键设备，任何失效都会使列车无法正常运行，甚至可能造成列车掉轨、翻车等严重后果，带来生命和财产的严重损失。因此，如何利用人工智能技术代替人力来进行轨道交通转辙机设备的监测和维护，对故障问题能够更加准确的监测、预判和及时告警，已成为国内外各大高校及研究院所研究的热点问题，轨道交通转辙机设备的智能化研究也由此展开。
转辙机设备智能化研究的目标是将各类先进的传感器技术和大数据处理技术应用在传统转辙机设备的故障检测上，将多年老工程师的工作经验总结出来，形成标准判据，借助仪器设备准确性和可靠性的优势，利用大数据技术，对传感器设备采集数据进行分析，结合标准判据进行故障的监测和预判，克服人工监测因专业知识或经验技术不足带来的判断不准或误判等缺点，大幅提高转辙机设备的可靠性和故障发现的准确性，确保轨道交通车辆的安全运行。
在故障检测的基础上，还可以利用监测数据的分析对故障进行预判，在告警设备可能即将出现故障时对设备进行保养，进而避免故障的发生，最大限度地降低设备的维修成本，提高地铁系统的服务质量。
转辙机设备的监测主要表现在电压电流、转换力、动作时间和缺口检测等指标上，针对不同的指标，国内外各大高校及研究院所均有大量的研究。兰州交通大学的李积英等教授及团队针对轨道交通工程的道岔控制系统中使用三相交流转辙机进行研究，开发出能够检测交流五线制转辙机性能的测试仪器，借助其携带方便、可靠等优点，给电务人员的现场应用提供了很大帮助。
西北工业大学的王安 等人设计的基于ARM的便携式转辙机测试仪，主要对驱动转辙机过程中的拉力和电流参数进行测试，从而实现对ZD6、ZDJ9、S700K等型号转辙机的检验。北京交通大学郑霄等人提出基于图像处理技术的转辙机实时在线监测研究。西安电子科技大学李萌等人进行转辙机表示缺口的图像监测板设计，完成了对缺口宽度检测和缺口的图像采集，并通过编码器传送给监控室。
本文为实现转辙机系统中杆缺口的精准有效监测，借助高精度和高清晰度的数码微视摄像机对转辙机的杆缺口进行拍摄，并利用图像处理技术（如图像分割、边缘检测和形态学运算等算法）对图像数据进行处理。为了能够有效排除外界非理性干扰因素的影响，提高检测结果的准确性，本次设计采用对杆缺口相对位移量进行检测的设计方法，换算获得精准的杆缺口值，从而真实反映转辙机杆缺口大小，提供及时告警维护的信息。
1 图像处理技术应用分析
利用数码微视摄像机获取的转辙机杆缺口图像如图1所示。杆缺口缺口大小随观察时间的不同而不同。工程上，锁闭柱与锁闭杆缺口间隙为(2±0.5)～(4±0.5)mm，若存在较大偏差则可能存在风险，需要进行检修维护。利用图像处理技术，对杆缺口进行定时监测，若缺口间隙出现异常则进行告警，维修人员可根据告警提示合理开展维护工作，以确保轨道列车安全运行。
图1 数码微视摄像机获取的转辙机杆缺口图像
图像处理主要是在频率域（frequency）和空间域（spatial）两类不同的表示域进行处理。频率域图像处理主要是通过图像变换（如傅里叶变换），将图像变换到频率域，进而对不同频率处的图像信息进行针对性处理。空间域图像处理是将图像看作一个二维矩阵，使用矩阵分析和统计学原理等数字运算对数据进行处理。
空间域处理具有直观性强和速度快等优点，本文重点研究如何利用空间域图像处理方法来进行转辙机杆缺口的精确可靠检测，提出了一种转辙机杆缺口检测的算法流程来实现对其快速精确检测。
考虑到转辙机应用场景的非理想性和检测准确性的要求，本次算法采用检测杆缺口相对变化量的设计方法，利用初始杆缺口值和杆缺口相对变化量来获取准确的杆缺口值，再与工程值进行比较，若存在非正常值情况，则启动告警。
如图1所示，数码微视摄像机获取的图像除所要求的杆缺口信息外还包含了许多额外数据信息，这些信息的存在会在一定程度上增加图像处理过程的准确性和复杂度，因此在进行杆缺口检测之前先应对图像进行裁剪处理。
图2给出了裁剪后的杆缺口图像。利用工程师的工程经验对裁剪图像的位置和尺寸进行确认及修正，当存在极端事件导致杆缺口出现在裁剪图像外并导致检测算法无法正常工作时，需要进行现场调整。
图2 转辙机杆缺口裁剪图像
图2（a）和图2（b）所示分别为不同时刻的杆缺口图像。利用图像分割技术[7]可将杆缺口的相对变化量进行分割标记。常用的图像分割方法有基于阈值的分割方法、基于边缘的分割方法、基于区域的分割方法、基于聚类的分割方法、基于模型的分割方法和基于特定理论工具的分割方法。
结合本次应用图像的特点和要求，选择基于阈值的分割方法。为了获得合适的阈值，选择最大类间方差法来进行阈值确定。其基本思路是：根据图像的直方图，选择一合理灰度作为阈值将图像分割成两部分，并计算两组方差，若分成的两组之间的方差最大，则对应的灰度即为阈值灰度值。图3给出了图像分割后的目标区域图像。
图3 图像分割后的目标区域图像
为进一步对杆缺口相对变化量进行定位，本文采用了边缘检测和形态学运算的图像处理技术。边缘检测就是检测出图像上的边缘信息，其目的是找到图像中亮度变化剧烈的像素点构成的集合，即物体的轮廓。根据边缘检测算子的不同，可以分为梯度算子、罗伯特（Roberts）算子、索伯（Sobel）算子以及重点强调邻接特性的其他算子等。本文选用罗伯特算子作为边缘检测算子，其表达式为
公式1
对图3中的图像进行边缘检测处理后的结果如图4所示。
图4 边缘检测处理后的图像
图像形态学运算是指由一组形态学代数运算子组成的运算。基本的形态学运算算子包括腐蚀算子（erosion operator）、膨胀算子（dilation operator）、开算子（opening operator）、闭算子（closing operator）和骨骼算子（skelton operator）等。其中，腐蚀算子是在数字运算上消除物体的边界点，目的在于将小于结构元素的物体消除，消除物体的大小可根据结构元素的大小而定。膨胀算子的作用是将物体接触的所有点合并到物体中，增大目标，进而添补目标中的空洞。
开算子是消除图像上的细小噪声，进而平滑物体边界。闭算子是填充物体内的细小空洞，进而平滑物体边界。本次图像处理的目的是将转辙机杆缺口检查出来，因此，优先选择采用腐蚀算子对目标缺口的边界点进行处理，再进行方形闭环运算。处理后的图像结果分别如图5和图6所示。
图5 腐蚀算子处理后的图像
图6 方形闭环运算处理后的图像
从图6中可以看出，除了目标物体杆缺口外，还有其他非目标物体存在，需要进一步将非目标物体去除。结合本次设计中具体的应用场景，选取对目标物体像素点统计进而消除的方法，根据转辙机杆缺口的初始标准宽度W0、可容许的最大宽度Wmax和最小宽度Wmin，可确定目标像素的范围宽度分别为min[(Wmax-W0), (W0-Wmin)]-Wcor和max[(Wmax-W0), (Wmin-W0)]+Wcor，工程上可对算法进行训练，进而优化校正偏差Wcor的值，以确保检测的精度。
图7给出了去除非目标物体后的图像。根据目标图像和背景图像不同的灰度值，进一步将目标图像从背景图像中分割出来，即可获得图8所示的杆缺口相对变化情况，其中包含杆缺口的相对变化量的宽度像素Wp和长度像素值Lp。
考虑到微型相机与目标物体的相对距离可能会有微变，为了确保检测的精度，借助像素宽长比与实际宽长比相等的判据，求得杆缺口的相对变化宽度ΔW=(Wp/Lp)L，其中，L为杆缺口实际宽带，且为恒定值。
将通过图像智能检测算法获得的转辙机杆缺口宽度与标准杆缺口间隙进行比较，若超出标准范围则进行告警，结合物联网技术，通知检修人员具体转辙机的位置和杆缺口宽度，帮助检修人员进行正确的判断及故障处理。
图7 去除非目标物体后的图像
图8 目标图像杆缺口的最终检测结果
2 结论
轨道交通设备的智能监测系统研究对城市轨道交通的安全运行具有重要意义。本文针对轨道交通设备中的转辙机设备的智能化故障监测进行研究，借助图像处理技术，合理运用图像分割、边缘检测和形态学运算等算法，对转辙机设备中杆缺口的相对变化量进行监测，进而实现对转辙机设备中的杆缺口精准有效监测，当杆缺口超出标准宽度时能够及时告警，从而提高设备的智能化应用水平，确保轨道交通设备的安全运行。