基于halcon和工控機(jī)的鋼軌探傷模擬研究

基于halcon和工控機(jī)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(yùn)營(yíng)對(duì)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(cè)工作的一部分,對(duì)鐵路運(yùn)營(yíng)的安全起著至關(guān)重要的作用。在過(guò)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(guò)度磨損和疲勞使用,內(nèi)部缺陷不斷發(fā)展擴(kuò)大,最終導(dǎo)致斷軌事故?，F(xiàn)在隨著先進(jìn)生產(chǎn)技術(shù)的引進(jìn),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(lái)越常見(jiàn)。本文提出的機(jī)器視覺(jué)系統(tǒng)包括模擬鋼軌探傷作業(yè)平臺(tái)、高速線陣相機(jī)、輔助光源和處理主機(jī)。系統(tǒng)能夠獲取高速運(yùn)動(dòng)的鋼軌表面圖像并進(jìn)行缺陷提取、特征識(shí)別和參數(shù)計(jì)算等操作,缺陷圖像與識(shí)別結(jié)果通過(guò)軟件的人機(jī)界面顯示。2系統(tǒng)設(shè)計(jì)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(dòng)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(cè)量角周圍的磨損,還可能向下發(fā)展演變成危險(xiǎn)更大的內(nèi)部核傷。機(jī)器視覺(jué)系統(tǒng)在線應(yīng)用的設(shè)計(jì)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(yùn)行時(shí)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(jī)連續(xù)獲取現(xiàn)場(chǎng)軌道圖像并由通信接口傳輸?shù)角度胧较到y(tǒng)進(jìn)行處理,獲得的傷損數(shù)據(jù)由上位機(jī)顯示和保存,供鐵道檢測(cè)部門分析使用。2.2助水源、工控機(jī)、圓形缺陷樣品和發(fā)電機(jī)鐵道線上實(shí)驗(yàn)要求嚴(yán)格,且成本很高,所以系統(tǒng)開發(fā)階段,在實(shí)驗(yàn)室模擬檢測(cè)列車的探傷作業(yè)十分重要,其對(duì)設(shè)備調(diào)試、算法驗(yàn)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(jī)、輔助光源、工控機(jī)、圓柱形缺陷樣品和動(dòng)力裝置,其整體結(jié)構(gòu)如圖4所示。該系統(tǒng)的設(shè)計(jì)思想是利用圓柱形樣品側(cè)面的滾動(dòng)代替探傷設(shè)備與鋼軌表面間的相對(duì)運(yùn)動(dòng)。具體實(shí)現(xiàn)方法是將圖像采集和照明設(shè)備固定,由動(dòng)力裝置帶動(dòng)一寬度與鋼軌近似的圓柱形缺陷樣品進(jìn)行高速轉(zhuǎn)動(dòng),線陣相機(jī)的線形傳感器與缺陷樣品的轉(zhuǎn)動(dòng)軸保持平行,相機(jī)逐行獲取線圖像后通過(guò)千兆網(wǎng)接口將其傳輸?shù)教幚碇鳈C(jī)中,主機(jī)程序拼接線圖像,然后進(jìn)行缺陷檢測(cè)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(shí)驗(yàn)測(cè)試,該系統(tǒng)最高能夠模擬100km/h速度下的表面缺陷檢測(cè)。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(jī)中讀入圖像并進(jìn)行預(yù)處理,包括拼接、剪裁和濾波;然后進(jìn)行圖像分割和缺陷區(qū)域提取,針對(duì)不同種類的缺陷,設(shè)計(jì)適用的分割算法和提取算法;最后計(jì)算所提取出缺陷區(qū)域的特征,統(tǒng)計(jì)缺陷信息,并給出鋼軌表面區(qū)段的傷損評(píng)價(jià)。算法的具體流程如圖5所示。3.1動(dòng)態(tài)閾值分割算法圖像閾值分割操作在整個(gè)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(jì)算準(zhǔn)確度?？紤]到鋼軌表面情況較為復(fù)雜,以及運(yùn)動(dòng)條件下光源補(bǔ)償?shù)牟黄骄?本文采用基于中值濾波的動(dòng)態(tài)閾值分割算法。與一些典型的閾值分割算法不同,動(dòng)態(tài)閾值分割不需要指定某些絕對(duì)的固定閾值,其分割標(biāo)準(zhǔn)是一個(gè)相對(duì)的亮度差值。像素的亮度高出或低于其背景平均亮度某個(gè)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(duì)于亮度較高物體的動(dòng)態(tài)閾值分割算法可由(1)式表示:同理,對(duì)于亮度較暗物體的動(dòng)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(shí),保證缺陷區(qū)域提取的準(zhǔn)確性。將固定閾值、自動(dòng)閾值和動(dòng)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(shí)驗(yàn)結(jié)果表明,動(dòng)態(tài)閾值算法對(duì)鋼軌邊緣、缺陷區(qū)域都有比較好的分割效果。3.2特征識(shí)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(guò)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(shí)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(shí)別采用特征識(shí)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(duì)二值圖像內(nèi)所有區(qū)域進(jìn)行寬度特征統(tǒng)計(jì),利用類似灰度直方圖的原理,繪制所有獨(dú)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(rèn)出鋼軌邊緣區(qū)域所代表的部分于是通過(guò)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(shí)別出的鋼軌邊緣還要作為鋼軌表面面積計(jì)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(wú)關(guān)背景對(duì)計(jì)算無(wú)影響。得到準(zhǔn)確的表示缺陷的連通區(qū)域后,計(jì)算各個(gè)區(qū)域的特征參數(shù),包括區(qū)域的位置、面積等,并對(duì)某些典型缺陷在圖像中做標(biāo)定。4試驗(yàn)設(shè)計(jì)與結(jié)果分析4.1缺陷區(qū)域的檢測(cè)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(gè)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(shí)驗(yàn)平臺(tái)是IntelE8400,內(nèi)存為3G,WindowsXP,開發(fā)工具為Halcon。通過(guò)與肉眼觀察結(jié)果對(duì)比,實(shí)驗(yàn)結(jié)果比較滿意,驗(yàn)證了算法對(duì)鋼軌掉塊缺陷檢測(cè)的有效性。4.2動(dòng)態(tài)閾值分割法鋼軌表面裂紋屬于嚴(yán)重?fù)p傷,極易導(dǎo)致鋼軌斷裂。利用文獻(xiàn)中的模擬裂紋缺陷圖像進(jìn)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。灰度直方圖如圖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(méi)在噪聲中。使用上一節(jié)提到的動(dòng)態(tài)閾值分割算法以及進(jìn)行了相應(yīng)調(diào)整的特征識(shí)別算法對(duì)裂紋圖像進(jìn)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(duì)裂紋形狀進(jìn)行重繪,并返回裂紋的長(zhǎng)度信息作為傷損數(shù)據(jù)。圖11模擬裂紋圖像相對(duì)于現(xiàn)場(chǎng)鋼軌表面圖像,其干擾因素較少,更易于處理。4.3實(shí)驗(yàn)結(jié)果分析針對(duì)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(xiàn)[13-14]還從算法效率和缺陷分類方面進(jìn)行了研究。本文基于靜態(tài)圖像處理實(shí)驗(yàn)已驗(yàn)證的算法,設(shè)計(jì)了鋼軌表面缺陷在線檢測(cè)軟件。軟件功能包括線陣相機(jī)參數(shù)設(shè)置與采集控制、鋼軌圖像處理過(guò)程顯示、缺陷信息統(tǒng)計(jì)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(jìn)行表面缺陷檢測(cè)。圖13和圖14分別為50km/h和100km/h條件下線陣相機(jī)采集到的圖像。由于要保證高速實(shí)驗(yàn)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(jìn)行對(duì)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(yùn)動(dòng)的過(guò)程中,線陣相機(jī)以很高的線速度(最快68000lines/s)進(jìn)行拍攝,然后將大量的、連續(xù)的圖像快速傳入到處理主機(jī)中,主機(jī)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(shí)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(cè)出缺陷的特征。實(shí)驗(yàn)結(jié)果表示,在100km/h條件下,機(jī)器視覺(jué)系統(tǒng)能夠準(zhǔn)確檢測(cè)出缺陷,計(jì)算缺陷特征,并記錄缺陷在運(yùn)動(dòng)時(shí)出現(xiàn)的準(zhǔn)確位置。實(shí)驗(yàn)平臺(tái)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(dòng)態(tài)閾值分割和區(qū)域提取算法對(duì)鋼軌掉塊和裂紋兩類典型的鋼軌表面缺陷圖像進(jìn)行了處理。能夠準(zhǔn)確提取和標(biāo)定缺陷區(qū)域