摘 要：针对城轨车辆转向架螺栓缺失的故障，主要使用图像比对的方法进行识别，比对算法的实现首先要取待测图像感兴趣区域，对待测图像执行自动配准;将配准后的图像执行像素相减及阈值化处理，得到二值图像;最后进行形态学处理，将疑似异物区域图像选出执行模板匹配。通过转向架螺栓缺失识别实验，验证了比对算法自动检测的效果，为城轨车辆转向架螺栓自动检测中的应用提供了算法参考。
　　关键词：城轨车辆转向架;自动检测;螺栓缺失;比对算法
　　引言
　　随着轨道交通行业的迅速发展，城轨车辆投运量及运行速度逐年攀升，对车辆安全的要求也越来越高，给车辆检修带来了巨大的工作量。常见的车辆检修方式主要依赖于人工车下作业，不仅效率低下，并且存在安全隐患。尤其对于城轨车辆转向架部分，机械结构复杂，细小零件众多，人工检查工作量大，耗时长，检修质量受人工影响较大，因此通过视觉的方式实现自动检修成为国内外学者热门的研究方向。
　　一、基于比对的图像识别算法
　　城轨地铁车辆由于转向架机械结构复杂，细小零件众多，很难提取到每个零件、异物或者阴影部分的特征并加以识别。因此采取图像比对的方法进行异物检测，即本次采集图像和上次检修时采集的图像进行比对，出现不一致并且面积大于某一值时可以认为是故障。同理，若出现零件丢失或者破损时，同样与上一次的图像存在不一致的区域，所以，零部件的异物附着、缺失和丢失等故障都可以采取图像比对的方法进行检测。城轨车辆转向架轴承端盖上螺栓采用比对的图像识别算法进行处理的流程如下：
　　（一）取待测图像的感兴趣区域（Region of Interest， 简称ROI），ROI 的位置经验进行标定。中心和原图中心重合;将待测图像的ROI 在标准图像上进行模板匹配得到标准图像的ROI，模板匹配时采用相关匹配算子，其值越高则匹配程度越高。该步骤主要是为了消除图像采集设备前后两次的定位误差导致的视场不完全一致的问题。
　　（六）待测图像上将疑似异物区域图像选出，然后在标准图像上执行模板匹配，检测该异物是否在标准图像上出现过，若没有，则该区域认定为最终异物检测区域之一。
　　将比对的图像识别算法应用于转向架轴承端盖螺栓缺失自动检测，识别的过程如下图1 所示，自动检测系统经过比对可以成功将图像右侧缺失螺栓进行识别并标记。
　　二、实验结果
　　为了比对算法的稳定性和效率，选取不同车辆不同检测项点的300 张图像进行算法测试，选取其中3 个位置的结果如图3，（a）～（c）分别为制动夹钳、制动夹钳、车厢底部管路实验的结果统计如表1。
　　由实验结果分析得出：比对算法的测试效果较好，准确度较高，检测效率高。由于车辆的新旧程度和干净程度的影响，出现了漏检的情况。由于实验过程光照分布不均，存在反光和过曝问题，造成了实验的误检，在后续工作中，将进一步研究本文所提出方法在变化的生产现场环境下的适应性问题。
　　三、结论
　　本文提出了城轨车辆转向架螺栓自动检测的方法，并通过转向架螺栓实验验证了检测效果，但在研究过程中，由于光照、定位偏差、车辆新旧干净程度的影响，检测过程中仍旧存在漏检和误检。在后续的研究过程中，针对不同的外界环境，进一步研究本文所提出方法在变化的现场环境下的适应性问题， 从而提高方法的有效性和普适性。
　　参考文献：
　　[1]曾志鸿，刘军. 基于HALCON 的快递地址信息识别研究[J].机电信息，2019（17）：1-3.
　　[2]段华伟.基于Halcon 的太阳能硅片缺陷检测技术研究[J].智慧工厂，2019（03）：77-79.
　　[3]林辉，蔡秉华，张艺彬，蔡嘉安，许文强，曾台政. 基于HALCON 的車牌识别技术研究[J/OL]. 机电工程技术，2019（11）：8-10.
　　[4]倪桥，阮学云. 基于Halcon 的字符定位与识别[J].工业控制计算机，2019，32（10）：125-126+129.
　　[5]刘维平，李海柱，秦建峰，舒冠华，马玉琳. 基于halcon 机器视觉的几何元素提取方法[J].电子世界，2019（16）：16-17+20.
　　资金资助：重庆市技术创新与应用示范专项重点示范项目，项目名称：《轨道交通车辆健康管理及智能运维系统研究》，项目编号：cstc2018jszx-cyzdX0052。