基于halcon和工控機的鋼軌探傷模擬研究

基于halcon和工控機的鋼軌探傷模擬研究

1鋼軌內(nèi)部缺陷高速鐵路和高速鐵路的運營對鐵路基礎(chǔ)設(shè)施的可靠性有很高的要求。鋼軌探傷作為基礎(chǔ)設(shè)施檢測工作的一部分,對鐵路運營的安全起著至關(guān)重要的作用。在過去,大部分的在線鋼軌斷裂都是內(nèi)部缺陷造成的。內(nèi)部缺陷通常產(chǎn)生于鋼軌腰部和頭部,隨著鋼軌的過度磨損和疲勞使用,內(nèi)部缺陷不斷發(fā)展擴大,最終導(dǎo)致斷軌事故?，F(xiàn)在隨著先進生產(chǎn)技術(shù)的引進,例如高碳鋼和鋼鐵清潔生產(chǎn)工藝,鋼軌內(nèi)部缺陷出現(xiàn)的幾率已經(jīng)減少很多,取而代之的是鋼軌表面缺陷導(dǎo)致鋼軌斷裂的情況越來越常見。本文提出的機器視覺系統(tǒng)包括模擬鋼軌探傷作業(yè)平臺、高速線陣相機、輔助光源和處理主機。系統(tǒng)能夠獲取高速運動的鋼軌表面圖像并進行缺陷提取、特征識別和參數(shù)計算等操作,缺陷圖像與識別結(jié)果通過軟件的人機界面顯示。2系統(tǒng)設(shè)計2.1表面疲勞磨損鋼軌表面缺陷主要分為兩種類型:表面裂縫和滾動接觸疲勞磨損。疲勞磨損主要表現(xiàn)形式有兩種,包括軌頭掉塊和軌頭波紋磨損,如圖1和圖2所示。鋼軌表面疲勞磨損不僅影響超聲波探傷技術(shù)的準(zhǔn)確度,某些特殊位置如軌頭測量角周圍的磨損,還可能向下發(fā)展演變成危險更大的內(nèi)部核傷。機器視覺系統(tǒng)在線應(yīng)用的設(shè)計方案如圖3所示。該系統(tǒng)擬安裝在鋼軌探傷列車車廂底部,列車運行時輔助光源將以一定角度照射鋼軌表面。在嵌入式系統(tǒng)的控制下,線陣相機連續(xù)獲取現(xiàn)場軌道圖像并由通信接口傳輸?shù)角度胧较到y(tǒng)進行處理,獲得的傷損數(shù)據(jù)由上位機顯示和保存,供鐵道檢測部門分析使用。2.2助水源、工控機、圓形缺陷樣品和發(fā)電機鐵道線上實驗要求嚴格,且成本很高,所以系統(tǒng)開發(fā)階段,在實驗室模擬檢測列車的探傷作業(yè)十分重要,其對設(shè)備調(diào)試、算法驗證都有很大幫助。在線探傷模擬系統(tǒng)的硬件包括圖像采集線陣相機、輔助光源、工控機、圓柱形缺陷樣品和動力裝置,其整體結(jié)構(gòu)如圖4所示。該系統(tǒng)的設(shè)計思想是利用圓柱形樣品側(cè)面的滾動代替探傷設(shè)備與鋼軌表面間的相對運動。具體實現(xiàn)方法是將圖像采集和照明設(shè)備固定,由動力裝置帶動一寬度與鋼軌近似的圓柱形缺陷樣品進行高速轉(zhuǎn)動,線陣相機的線形傳感器與缺陷樣品的轉(zhuǎn)動軸保持平行,相機逐行獲取線圖像后通過千兆網(wǎng)接口將其傳輸?shù)教幚碇鳈C中,主機程序拼接線圖像,然后進行缺陷檢測操作。某些典型的鋼軌表面缺陷可以加工在圓柱形樣品側(cè)面上,如裂紋、掉塊等。經(jīng)實驗測試,該系統(tǒng)最高能夠模擬100km/h速度下的表面缺陷檢測。3鋼板缺陷的預(yù)處理鋼軌表面圖像處理算法主要分為3部分:首先,從線陣相機中讀入圖像并進行預(yù)處理,包括拼接、剪裁和濾波;然后進行圖像分割和缺陷區(qū)域提取,針對不同種類的缺陷,設(shè)計適用的分割算法和提取算法;最后計算所提取出缺陷區(qū)域的特征,統(tǒng)計缺陷信息,并給出鋼軌表面區(qū)段的傷損評價。算法的具體流程如圖5所示。3.1動態(tài)閾值分割算法圖像閾值分割操作在整個處理流程中具有重要作用。適合的分割算法能夠從圖像中得到準(zhǔn)確的目標(biāo)區(qū)域,保證后續(xù)步驟的計算準(zhǔn)確度?？紤]到鋼軌表面情況較為復(fù)雜,以及運動條件下光源補償?shù)牟黄骄?本文采用基于中值濾波的動態(tài)閾值分割算法。與一些典型的閾值分割算法不同,動態(tài)閾值分割不需要指定某些絕對的固定閾值,其分割標(biāo)準(zhǔn)是一個相對的亮度差值。像素的亮度高出或低于其背景平均亮度某個程度,則該像素被算法選中。假設(shè)圖像函數(shù)由fr,c表示,中值平均后的背景圖像函數(shù)由gr,c表示,那么對于亮度較高物體的動態(tài)閾值分割算法可由(1)式表示:同理,對于亮度較暗物體的動態(tài)閾值分割算法由(2)式表示:為了取得更好的分割效果,中值濾波窗口的大小需設(shè)置為與表面缺陷相近的尺寸,在平滑掉噪聲部分同時,保證缺陷區(qū)域提取的準(zhǔn)確性。將固定閾值、自動閾值和動態(tài)閾值3種算法應(yīng)用到鋼軌掉塊圖像中,處理效果如圖6所示。實驗結(jié)果表明,動態(tài)閾值算法對鋼軌邊緣、缺陷區(qū)域都有比較好的分割效果。3.2特征識別算法圖像分割算法分割出的區(qū)域既包括缺陷部分還包括邊緣以及噪聲的影響。噪聲主要表現(xiàn)為一些面積非常小的區(qū)域,其可以通過形態(tài)學(xué)開操作去除。開操作設(shè)置尺寸較小的矩形結(jié)構(gòu)元參數(shù),可以在去噪的同時隔離開某些連接很小的區(qū)域,便于后續(xù)的連通區(qū)域提取。鋼軌邊緣區(qū)域的識別采用特征識別算法。從圖6(d)中發(fā)現(xiàn),鋼軌邊緣區(qū)域與一般缺陷區(qū)域最顯著的區(qū)別體現(xiàn)在寬度值。對二值圖像內(nèi)所有區(qū)域進行寬度特征統(tǒng)計,利用類似灰度直方圖的原理,繪制所有獨立區(qū)域的寬度特征圖。如圖7所示,圖中橫軸代表寬度值,縱軸代表該特征出現(xiàn)的幾率。從該直方圖中可以清晰的辨認出鋼軌邊緣區(qū)域所代表的部分于是通過設(shè)置一定的寬度選擇閾值,可以準(zhǔn)確的隔離出邊緣部分。邊緣去除效果如圖8所示,圖中僅剩下待處理的缺陷區(qū)域。兩條識別出的鋼軌邊緣還要作為鋼軌表面面積計算的依據(jù),只有邊緣內(nèi)部的部分被視為表面,原始圖像中包含的少許無關(guān)背景對計算無影響。得到準(zhǔn)確的表示缺陷的連通區(qū)域后,計算各個區(qū)域的特征參數(shù),包括區(qū)域的位置、面積等,并對某些典型缺陷在圖像中做標(biāo)定。4試驗設(shè)計與結(jié)果分析4.1缺陷區(qū)域的檢測利用第三節(jié)提到的算法處理鋼軌掉塊圖像,結(jié)果如圖9所示。鋼軌損傷程度為5.4%,最大缺陷區(qū)域的面積為1582個像素,其中心位于紅星標(biāo)定位置。數(shù)據(jù)的保存如表1所示。實驗平臺是IntelE8400,內(nèi)存為3G,WindowsXP,開發(fā)工具為Halcon。通過與肉眼觀察結(jié)果對比,實驗結(jié)果比較滿意,驗證了算法對鋼軌掉塊缺陷檢測的有效性。4.2動態(tài)閾值分割法鋼軌表面裂紋屬于嚴重損傷,極易導(dǎo)致鋼軌斷裂。利用文獻中的模擬裂紋缺陷圖像進行處理,為了增加操作的難度,在圖像中添加邊界影響和白噪聲。模擬圖像和加白噪聲后的圖像如圖10(a)和圖10(b)所示?；叶戎狈綀D如圖10(c)和圖10(d)所示。從兩張直方圖中看出,缺陷和邊緣的信息已經(jīng)完全淹沒在噪聲中。使用上一節(jié)提到的動態(tài)閾值分割算法以及進行了相應(yīng)調(diào)整的特征識別算法對裂紋圖像進行處理,得到結(jié)果如圖11所示。算法未受到噪聲和邊界的影響,能夠準(zhǔn)確的對裂紋形狀進行重繪,并返回裂紋的長度信息作為傷損數(shù)據(jù)。圖11模擬裂紋圖像相對于現(xiàn)場鋼軌表面圖像,其干擾因素較少,更易于處理。4.3實驗結(jié)果分析針對靜態(tài)鋼軌頭部表面缺陷圖像,算法取得了滿意的處理效果。文獻[13-14]還從算法效率和缺陷分類方面進行了研究。本文基于靜態(tài)圖像處理實驗已驗證的算法,設(shè)計了鋼軌表面缺陷在線檢測軟件。軟件功能包括線陣相機參數(shù)設(shè)置與采集控制、鋼軌圖像處理過程顯示、缺陷信息統(tǒng)計與保存。軟件界面如圖12所示。該軟件應(yīng)用于2.2節(jié)提到的在線探傷模擬系統(tǒng),可以在最快100km/h速度下進行表面缺陷檢測。圖13和圖14分別為50km/h和100km/h條件下線陣相機采集到的圖像。由于要保證高速實驗的穩(wěn)定性,樣品所加工的模擬缺陷比較規(guī)整,均為1mm寬的裂紋。兩張圖像都是由100幀線圖像組成,進行對比發(fā)現(xiàn),低速下采集的圖像分辨率高,模擬缺陷明顯;高速下拍攝的圖像亮度較暗,分辨率低,缺陷靠人眼已經(jīng)較難區(qū)分。在缺陷樣品高速運動的過程中,線陣相機以很高的線速度(最快68000lines/s)進行拍攝,然后將大量的、連續(xù)的圖像快速傳入到處理主機中,主機處理程序如圖12所示,首先拼接一組線圖像為一幅,接著按照上文的算法處理圖像得到結(jié)果,然后再拼接,再處理,如此迭代。軟件工作時的狀態(tài)如圖15所示,圖中坐標(biāo)圖的橫軸代表距離,縱軸代表檢測出缺陷的特征。實驗結(jié)果表示,在100km/h條件下,機器視覺系統(tǒng)能夠準(zhǔn)確檢測出缺陷,計算缺陷特征,并記錄缺陷在運動時出現(xiàn)的準(zhǔn)確位置。實驗平臺是IntelE8400,內(nèi)存為3G,WindowsXP開發(fā)工具為VisualStudioC#。5建立在線探傷模擬系統(tǒng)利用動態(tài)閾值分割和區(qū)域提取算法對鋼軌掉塊和裂紋兩類典型的鋼軌表面缺陷圖像進行了處理。能夠準(zhǔn)確提取和標(biāo)定缺陷區(qū)域