車輪踏面為車輪在鋼軌面上滾動接觸的部位，由于制動、輪對與鋼軌間隙的沖撞以及輪對與鋼軌面在轉(zhuǎn)彎時的相對滑動等因素造成的踏面擦傷，給車輛和鋼軌帶來額外的沖擊振動，嚴(yán)重影響列車平穩(wěn)運(yùn)行和鐵路線路的使用壽命。隨著我國鐵路不斷提速以及重載列車的增加，加速了踏面擦傷數(shù)量的增加，對車輪檢測和維修提出了更高的要求。因此，研制運(yùn)行狀態(tài)下的車輪踏面擦傷在線動態(tài)檢測系統(tǒng)已成為我國軌道交通發(fā)展中迫切需要解決的難題。
    國外自20世紀(jì)70 年代開始對車輪踏面擦傷自動檢測方法進(jìn)行研究，提出的檢測方法主要有振動法[1]、共振解調(diào)法[2]、電磁超聲檢測法[3-4]、沖擊載荷法[5]。但國內(nèi)起步較晚，自20世紀(jì)90年代才開始對踏面擦傷動態(tài)檢測系統(tǒng)進(jìn)行研究，主要采用的方法有振動法[6]、共振解調(diào)法[7]、踏板法[8]、電磁超聲檢測法[9]、沖擊載荷法[10]。以上提到的踏面擦傷檢測方法都存在測量精度低和車輪檢測兌現(xiàn)率低的缺點。目前，在我國鐵路系統(tǒng)沒有一種理想的檢測方法，車輛檢修部門仍然采用人工目視、靜態(tài)測量或憑經(jīng)驗聽聲音的方法檢測，這種方法的缺點是勞動強(qiáng)度大、測量精度低。而機(jī)器視覺檢測技術(shù)具有檢測速度快、測量精度高、重復(fù)性好等優(yōu)點，在缺陷檢測方面得到了廣泛的應(yīng)用[11-14]。因此，利用機(jī)器視覺檢測技術(shù)配合其他動態(tài)測量方法檢測踏面擦傷對提高車輪檢測兌現(xiàn)率、提高勞動效率、檢測精度和促進(jìn)數(shù)字化鐵路的實現(xiàn)具有重要意義。
    基于此，本文首先建立了基于機(jī)器視覺的車輪踏面擦傷動態(tài)檢測系統(tǒng)，提出了基于Canny算法的踏面區(qū)域分割算法和一種基于踏面邊緣線掃描搜索的擦傷區(qū)域提取的算法。實驗結(jié)果表明，本文算法可以有效地進(jìn)行踏面擦傷可疑區(qū)域的定位。
1 系統(tǒng)結(jié)構(gòu)
    系統(tǒng)總體結(jié)構(gòu)如圖1所示，系統(tǒng)由左側(cè)和右側(cè)車輪檢測裝置、交換機(jī)和高速計算機(jī)組成。左側(cè)和右側(cè)車輪檢測裝置分別安裝在鐵軌兩側(cè)，都是由3臺數(shù)字?jǐn)z像機(jī)、3個光源、3個車輪觸發(fā)器組成。檢測原理是：列車低速進(jìn)入檢測區(qū)段，當(dāng)車輪觸發(fā)器檢測到車輪時，光源打開，攝像機(jī)采集到踏面圖像，通過以太網(wǎng)并經(jīng)過交換機(jī)傳送到高速計算機(jī)內(nèi)進(jìn)行圖像處理和識別。

2 踏面擦傷可疑區(qū)域定位算法
    圖2是擦傷檢測算法流程圖。踏面擦傷檢測包括擦傷可疑區(qū)域定位和擦傷識別兩個模塊。其中，擦傷可疑區(qū)域定位模塊包括圖像平滑、踏面區(qū)域分割和擦傷可疑區(qū)域檢測三部分。圖像平滑的作用是去除圖像噪聲；踏面區(qū)域分割的目的是分割出踏面擦傷所在的區(qū)域；擦傷可疑區(qū)域檢測是在踏面區(qū)域內(nèi)找到擦傷可疑區(qū)域；擦傷識別是利用識別算法進(jìn)一步判斷可疑區(qū)域是否屬于擦傷。本文重點介紹擦傷可疑區(qū)域定位算法。

2.1 圖像平滑
　　圖像平滑的目的是去除圖像噪聲。本文選用快速中值濾波算法平滑圖像。
2.2 踏面區(qū)域分割
　　踏面區(qū)域分割的目的是縮小檢測的范圍。算法實現(xiàn)過程如下：
       (1)采用傳統(tǒng)Canny算法提取圖像邊緣線。
       (2)采用輪廓跟蹤法跟蹤邊緣，去除鏈碼長度小于一定閾值的線段。
       (3)判斷保留下的兩條不同的邊緣線之間的最大距離(max)和最小距離(min)，把滿足max<Tmax且min>Tmin的兩條線保留下來,去除其他干擾線。Tmax和Tmin根據(jù)標(biāo)準(zhǔn)輪子的寬度確定，保留下來的兩條邊緣線一條是踏面邊緣線，另外一條是輪緣邊緣線。
       (4)從保留的兩條邊緣線中選擇長度最大的一條邊緣
線，如果該邊緣線位于另外一條邊緣線的右側(cè)，則該邊緣線為踏面邊緣線,向輪緣方向平移標(biāo)準(zhǔn)踏面圖像寬度，得到踏面區(qū)域的另外的一個踏面邊緣線；如果該邊緣線位于另外一條邊緣線的左側(cè)，則該邊緣線為輪緣邊緣線，向踏面方向依次平移標(biāo)準(zhǔn)輪緣圖像寬度和標(biāo)準(zhǔn)車輪寬度得到踏面區(qū)域的兩條踏面邊緣線， 截取邊緣線之間的圖像區(qū)域即為踏面區(qū)域。
2.3 踏面擦傷可疑區(qū)域檢測
　　擦傷區(qū)域特征是擦傷線沿踏面邊緣線方向分布，而且擦傷線上點的灰度值變化小。本文根據(jù)擦傷特征設(shè)計了一種基于踏面邊緣線掃描搜索的擦傷可疑區(qū)域提取技術(shù)，根據(jù)2.2節(jié)得到的踏面邊緣線，在踏面區(qū)域內(nèi)，踏面邊緣線依次移動一個像素，得到覆蓋踏面區(qū)域的所有掃描線，定義掃描線為圖像的列。算法具體步驟如下(設(shè)j=1)：
　    (1)選取踏面區(qū)域的平均灰度值為閾值,對踏面區(qū)域進(jìn)行全局閾值分割，小于閾值的點像素值為0，其余點像素值為255。
       (2)沿第j列從上到下逐個計算當(dāng)前像素點像素值與相鄰兩點的像素值的差值絕對值是否大于255，如果有一個值大于255，則標(biāo)記當(dāng)前像素點為跳變點，直到此列上所有跳變點標(biāo)記完畢。
       (3)判斷第j列相鄰的跳變點之間像素個數(shù)N1，若N1>Tc,則標(biāo)記該列兩個跳變點之間的線段為一條擦傷線。其中Tc的值根據(jù)鐵道部規(guī)定的擦傷最小長度確定。
　　(4)迭代循環(huán)j＝j(luò)+1，轉(zhuǎn)步驟(2)，直到踏面區(qū)域內(nèi)的所有列判斷結(jié)束。
    (5)擦傷線的合并。合并原理：對兩條擦傷線(A和B)，設(shè)A的兩端點坐標(biāo)分別為(x1,y1)、(x2,y2)，B的兩端點坐標(biāo)分別為(x3,y3)、(x4,y4),兩條線的橫向距離H和縱向距離V分別用如下公式計算：  
    H=|x3-x1|
    V=min(|y1-y3|,|y1-y4|,|y2-y3|,|y2-y4|)
    選取閾值Td1和Td2，如果：H<Td1且V<Td2,則認(rèn)為兩條擦傷線為同一個擦傷區(qū)域內(nèi)的擦傷線。本文Td1為15，Td2為50。
3 實驗結(jié)果及分析
    為了驗證本文算法的有效性，在安康車輛段搭建踏面擦傷動態(tài)檢測實驗硬件平臺，并利用自行編制的軟件檢測2 000個車輪踏面。實驗硬件平臺選用型號為pia100-48gc的德國Basler公司的千兆網(wǎng)數(shù)字面陣CCD攝像機(jī)，8 mm日本computar鏡頭以及300 W的碘鎢燈。軟件運(yùn)行環(huán)境：Dell D631 筆記本電腦，1 GB 內(nèi)存，編程環(huán)境Visual C++ 6.0。為了定量判斷本文算法的檢測效果，采用以下三個指標(biāo)對算法進(jìn)行評價：
    定位準(zhǔn)確率=檢測到的擦傷數(shù)目/擦傷總數(shù)    (1)
    漏識率＝未檢測到的擦傷數(shù)目/擦傷總數(shù)    (2)
    誤識率＝檢測到的非擦傷數(shù)目/擦傷總數(shù)     (3)
    圖3~圖6是其中兩幅擦傷圖像的可疑區(qū)域提取過程結(jié)果。圖6中的白色矩形框鎖定區(qū)域為擦傷可疑區(qū)域。表1為算法評價指標(biāo)結(jié)果。

    從圖4~圖6可以看出，本文算法可以很好地對采集的踏面擦傷圖像進(jìn)行圖像平滑、踏面區(qū)域分割和擦傷可疑區(qū)域檢測。從表1可以看出,在2 000幅測試圖片中，擦傷定位準(zhǔn)確率為97.62%,誤檢率達(dá)到3.81%,漏檢率達(dá)到2.38%。造成擦傷漏檢的原因是：光照不均勻，造成拍攝的圖片灰度也不均勻，使擦傷區(qū)域特征不明顯。改進(jìn)措施：采用650 nm波長可見光LED平行光源，CCD前加裝峰值波長為650 nm的帶通濾光片，以降低背景光及雜散光的影響。擦傷誤檢的原因是：沿著輪緣邊緣線出現(xiàn)與擦傷特征相同的油污和雜質(zhì)等非缺陷，誤檢的擦傷在后面的識別算法中進(jìn)一步識別。降低誤檢率的措施可以考慮在檢測裝置前安裝清洗裝置，去除一部分雜質(zhì)或油污。
參考文獻(xiàn)
[1] BELOTTI V, CRENNA F R, MICHELINI C. Wheel-flat  diagnostic tool via wavelet transform[J].Mechanical Systems  and Signal Processing,2006,20(8):1953-1966.
[2] FRANK S A. Technique for the detection of flat wheels  on railroad cars by acoustical measuring means[P].United  States, Utility Patent, 4129276,1978.
[3] DOMINICK P A.Ultrasonic wheel probe with improved acoustic barrier[P].United States, Utility Patent,4763526,1988.
[4] ROBERT F V, WAYNE R C. Ultrasonic inspection method  and system, united states[P]. Utility Patent, 7017414,2006.
[5] TRAIAN M. A dynamic model for the impact between the wheel flat and rail, UPB scientific bulletin, series D[J]. Mechanical Engineering, 2007,69(2):45-58.
[6] 岳建海，裘正定，李鐵錨.基于連續(xù)子波變換的鐵路車輪踏面擦傷的在線檢測[J].鐵道學(xué)報，2003，25(4)：27-30.
[7] 朱建明.機(jī)車運(yùn)行部動態(tài)故障非接觸式自動診斷系統(tǒng)的研究[J].機(jī)車電傳動，1999(5)：19-21.
[8] 李景泉,劉繼.車輪踏面擦傷自動檢測方法的研究和試驗[J].同濟(jì)大學(xué)學(xué)報，2003，31（4）：473-475.
[9] 張穎濱.鐵路機(jī)車、車輛車輪踏面在線自動化探傷裝置[P]. 20030111599.3，2004.
[10] 劉繼，馮銘.車輪踏面擦傷在線自動檢測方法的研究和試驗[J]. 鐵道車輛，1995，33(2)：28-30.
[11]    LIN H D, Tiny surface defect inspection of electronic  passive components using discrete cosine transform decomposition and cumulative sum techniques[J].Image and Vision Computing,2008,26(5):603-621.
[12] YUAN T, KUO W. Spatial defect pattern recognition on  semiconductor wafers using model-based clustering and  bayesian inference[J].European Journal of Operational Re-search,2008,190(1):228-240.
[13]    劉建群，曠輝，丁少華.基于視覺的表面貼裝芯片引腳檢測系統(tǒng)的研究[J].中國機(jī)械工程，2007，18(16)：1908-1912.
[14] 謝佩軍，計時鳴，程越.基于計算機(jī)視覺的晶振帽缺陷自動檢測系統(tǒng)[J].儀器儀表學(xué)報，2008，29(5)：1080-1083.