论文部分内容阅读
摘 要：要想从基础上全面保证铁路的运输安全与列车的行车安全，铁路设备的故障检测是重中之重。本文针对铁路设备的故障检测的视角进行展开分析，围绕图像识别技术在铁路设备故障检测中的算法与具体应用进行探讨，以此来展现出图像识别技术的高度准确性、稳定性与快速性的优势特点。
关键词：铁路设备；铁路安全；图像识别技术；故障检修
在我国经济快速发展的背景下，铁路事业为经历的稳定发展、人民的出行安全以及交通运输事业的茁壮成长都发挥了重要作用。因此为了进一步提高铁路列车的运输安全程度，从根本上改善和杜绝铁路设备的故障频率，并有效检测出铁路设备的具体故障情况，为有效提高铁路运输安全奠定了良好的基础，做出了关键的保障性作用。基于此，下面立足于图像识别技术的优势和自身的具体算法，来进一步探讨铁路设备故障检修环节中图像识别技术的具体运用。通过发挥图像识别技术的有效性，来提高铁路设备故障检修的效率和准确率，从而在根本上提升我国铁路运输的安全性。
1 图像识别技术概述
所谓图像识别，其是在信息化处理技术的基础上，将信息处理与计算机技术二合一，并以数学计算环境为平台而形成的一种编程语言。图像识别技术能够对更为复杂的图像进行收集、对比、分析、理解与判断，从而用来达到识别出不同 模式、不同基点以及不同运算流程目标或者对象的现代化技术。发展至今天，图像识别技术已经被应用到众多领域之中，比如人脸识别系统、指纹识别系统以及机动车辆拍照快速识别系统等。将图像识别技术运用在铁路领域当中，使其对铁路设备的日常维护与故障检测工作起到高效率的判断与评测，能够大大提升在铁路设备故障检测工作流程上的工作效率，降低人工作业难度[1]。
2 图像识别技术在铁路设备故障检修中的应用
2.1 铁路设备故障检修系统的软硬件选择
针对铁路设备故障检测系统中使用的硬件设备而言，其主要包括以下部分：DALSA 1K线阵相机、普通台式机。
针对铁路设备故障检测系统中使用的系统软件来说，以C++语言为基础在Windows XP系统操作状态为基本环境，在VS.net开发的平台上完成图像编程开发[2]。
2.2 图像识别技术在检修中的算法实现过程
在计算机编程系统中，通过利用编程语言将图像识别技术在铁路设备故障检修中的具体算法过程进行详细表述，其算法实现过程为如下：
Surf Feaure Ddtector，and derector（400）：
//通过创建以Sift方法为基础的计算对象，并利用surf来快速计算Sift的特征与检测算法。
Vector and keypoints1， or keypoints2；
derector detect（target，behind keypoints1）；
//该式为铁路设备故障检修系统中目标图像之上的具体特征点。
derector detect（mod，accept keypoints2）；
//该式为铁路设备故障检修系统中待检测图像之上的具体特征点。
Surf Descriptor Extractor，and extractor；
//再次创建一个关于图像特征点的详细描述方法。
Mat descriptors1，and descriptors2；
extractor.compute（target，both keypoints1 and descriptors1）；
//将目标图像中的已经检测出的故障目标点的具体特征，通过利用距离计算的方式对其进行描述转换。
extractor.compute（mod，both keypoints2 and descriptors2）；
//将待检测图像中的已经预测出的故障目标点的具体特征，通过利用距离计算的方式对其进行描述转换。
extractor.compute（target，both keypoints1 and descriptors1；mod，both keypoints2 and descriptors2）；
//将目标图像与待检测图像分别对比分析图像特征，并对其进行二次判断。
matching descriptors
Brute Force Matcher < L2 > matcher；
//新创建一个用力判断图像与故障匹配的方法。
Vector < D Match > as matches；
Matcher. match（descriptors1，and descriptors2，matches）；
//通过该式来计算两个铁路设备图像的内部特征点之间的距离间隔，并选择是否进一步将其加入在匹配列表之中。
Ransac（matches）；
//去除检测过程中表现出无效的异常特征点。
Return Avg（matches）；
//返回至图像平均距离[3]。
2.3 铁路设备故障检测系统应用描述分析
建立在图像识别技术基础上的铁路设备故障检测系统的具体业务流程为：
图像采集→预处理→中间图像→特征点提取→图像特征评析→特征匹配→（铁路设备的原图库）→输出图像特征匹配结果
在铁路设备故障检测系统正式运行之前，首先应该准确找到铁路设备在无故障、正常运行状态下的原始图像，以此来作为特征对比评析的基本标准。与此同时，在通过运用存储手段，对每个图像进行有效保存，这样经过相同的手段进行系统设备运行状态下的图像能够作为对比判断时的基础性资料，起到参考与参照的作用。在一切的准备工作就绪后，设备故障检测系统开始进入运行期，并正式开启系统流程的工作。针对经过系统采集后的图像群，要首先通过利用预处理方式，对其进行特征点提取，即针对每个图像的具体特征进行详细扫描和分析，并按照每个细节与原图即正常状态下的图像进行比对。那么如果存在比对异常，则存在故障的铁路设备会自动发出预警，并自动停止运转。通过使用图像识别技术能够有效保证列车在运行过程中的安全状态，同时也大大提高了对铁路设备的检修效率[4]。
综上所述，图像识别技术是建立在每个独立图像的基本性质基础上，以图像的特征为基础而进行详细辨别与识别的现代化技术。为了进一步提高铁路列车的运输安全程度，从根本上改善和杜绝铁路设备的故障频率，并有效检测出铁路设备的具体故障情况，图像识别技术在此过程中发挥了关键性作用。因此通过发挥图像识别技术的有效性，来提高铁路设备故障检修的效率和准确率，从而在根本上提升我国铁路运输的安全性程度，以此来实现我国铁路事业的持续化、高效化、科技化与数字化发展。
参考文献：
[1]黄峰，徐悦竹.图像识别技术在铁路设备故障检测中的应用[J].信息技术，2015，07：147-149.
[2]冯杰，陈圣俭，陈东.图像识别技术在换流站监控系统中的应用[J].电网技术，2014，02：174-178.
[3]韩志伟，刘志刚.非接触式弓网图像检测技术研究综述[J].铁道学报，2014，06：40-47.
[4]付宇.浅析铁路设备故障诊断的相关技术[J].中国水运（下半月），2015，02：105-106.
关键词：铁路设备；铁路安全；图像识别技术；故障检修
在我国经济快速发展的背景下，铁路事业为经历的稳定发展、人民的出行安全以及交通运输事业的茁壮成长都发挥了重要作用。因此为了进一步提高铁路列车的运输安全程度，从根本上改善和杜绝铁路设备的故障频率，并有效检测出铁路设备的具体故障情况，为有效提高铁路运输安全奠定了良好的基础，做出了关键的保障性作用。基于此，下面立足于图像识别技术的优势和自身的具体算法，来进一步探讨铁路设备故障检修环节中图像识别技术的具体运用。通过发挥图像识别技术的有效性，来提高铁路设备故障检修的效率和准确率，从而在根本上提升我国铁路运输的安全性。
1 图像识别技术概述
所谓图像识别，其是在信息化处理技术的基础上，将信息处理与计算机技术二合一，并以数学计算环境为平台而形成的一种编程语言。图像识别技术能够对更为复杂的图像进行收集、对比、分析、理解与判断，从而用来达到识别出不同 模式、不同基点以及不同运算流程目标或者对象的现代化技术。发展至今天，图像识别技术已经被应用到众多领域之中，比如人脸识别系统、指纹识别系统以及机动车辆拍照快速识别系统等。将图像识别技术运用在铁路领域当中，使其对铁路设备的日常维护与故障检测工作起到高效率的判断与评测，能够大大提升在铁路设备故障检测工作流程上的工作效率，降低人工作业难度[1]。
2 图像识别技术在铁路设备故障检修中的应用
2.1 铁路设备故障检修系统的软硬件选择
针对铁路设备故障检测系统中使用的硬件设备而言，其主要包括以下部分：DALSA 1K线阵相机、普通台式机。
针对铁路设备故障检测系统中使用的系统软件来说，以C++语言为基础在Windows XP系统操作状态为基本环境，在VS.net开发的平台上完成图像编程开发[2]。
2.2 图像识别技术在检修中的算法实现过程
在计算机编程系统中，通过利用编程语言将图像识别技术在铁路设备故障检修中的具体算法过程进行详细表述，其算法实现过程为如下：
Surf Feaure Ddtector，and derector（400）：
//通过创建以Sift方法为基础的计算对象，并利用surf来快速计算Sift的特征与检测算法。
Vector
derector detect（target，behind keypoints1）；
//该式为铁路设备故障检修系统中目标图像之上的具体特征点。
derector detect（mod，accept keypoints2）；
//该式为铁路设备故障检修系统中待检测图像之上的具体特征点。
Surf Descriptor Extractor，and extractor；
//再次创建一个关于图像特征点的详细描述方法。
Mat descriptors1，and descriptors2；
extractor.compute（target，both keypoints1 and descriptors1）；
//将目标图像中的已经检测出的故障目标点的具体特征，通过利用距离计算的方式对其进行描述转换。
extractor.compute（mod，both keypoints2 and descriptors2）；
//将待检测图像中的已经预测出的故障目标点的具体特征，通过利用距离计算的方式对其进行描述转换。
extractor.compute（target，both keypoints1 and descriptors1；mod，both keypoints2 and descriptors2）；
//将目标图像与待检测图像分别对比分析图像特征，并对其进行二次判断。
matching descriptors
Brute Force Matcher < L2
//新创建一个用力判断图像与故障匹配的方法。
Vector < D Match > as matches；
Matcher. match（descriptors1，and descriptors2，matches）；
//通过该式来计算两个铁路设备图像的内部特征点之间的距离间隔，并选择是否进一步将其加入在匹配列表之中。
Ransac（matches）；
//去除检测过程中表现出无效的异常特征点。
Return Avg（matches）；
//返回至图像平均距离[3]。
2.3 铁路设备故障检测系统应用描述分析
建立在图像识别技术基础上的铁路设备故障检测系统的具体业务流程为：
图像采集→预处理→中间图像→特征点提取→图像特征评析→特征匹配→（铁路设备的原图库）→输出图像特征匹配结果
在铁路设备故障检测系统正式运行之前，首先应该准确找到铁路设备在无故障、正常运行状态下的原始图像，以此来作为特征对比评析的基本标准。与此同时，在通过运用存储手段，对每个图像进行有效保存，这样经过相同的手段进行系统设备运行状态下的图像能够作为对比判断时的基础性资料，起到参考与参照的作用。在一切的准备工作就绪后，设备故障检测系统开始进入运行期，并正式开启系统流程的工作。针对经过系统采集后的图像群，要首先通过利用预处理方式，对其进行特征点提取，即针对每个图像的具体特征进行详细扫描和分析，并按照每个细节与原图即正常状态下的图像进行比对。那么如果存在比对异常，则存在故障的铁路设备会自动发出预警，并自动停止运转。通过使用图像识别技术能够有效保证列车在运行过程中的安全状态，同时也大大提高了对铁路设备的检修效率[4]。
综上所述，图像识别技术是建立在每个独立图像的基本性质基础上，以图像的特征为基础而进行详细辨别与识别的现代化技术。为了进一步提高铁路列车的运输安全程度，从根本上改善和杜绝铁路设备的故障频率，并有效检测出铁路设备的具体故障情况，图像识别技术在此过程中发挥了关键性作用。因此通过发挥图像识别技术的有效性，来提高铁路设备故障检修的效率和准确率，从而在根本上提升我国铁路运输的安全性程度，以此来实现我国铁路事业的持续化、高效化、科技化与数字化发展。
参考文献：
[1]黄峰，徐悦竹.图像识别技术在铁路设备故障检测中的应用[J].信息技术，2015，07：147-149.
[2]冯杰，陈圣俭，陈东.图像识别技术在换流站监控系统中的应用[J].电网技术，2014，02：174-178.
[3]韩志伟，刘志刚.非接触式弓网图像检测技术研究综述[J].铁道学报，2014，06：40-47.
[4]付宇.浅析铁路设备故障诊断的相关技术[J].中国水运（下半月），2015，02：105-106.