(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211021905.8 (22)申请日 2022.08.24 (71)申请人 湖南第一师 范学院 地址 410006 湖南省长 沙市岳麓区枫林三 路1015号 申请人 湖南四灵电子科技有限公司 (72)发明人 翟庆林　欧阳国华 　胡建利　朱科　 (74)专利代理 机构 长沙三七知识产权代理事务 所(普通合伙) 43287 专利代理师 段红玉 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/26(2022.01) G06V 10/40(2022.01) G06V 10/74(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 一种高速行驶轨道车辆裂纹检测方法及装 置 (57)摘要 本发明涉及裂纹检测的技术领域， 揭露了一 种高速行驶轨道车辆裂纹检测方法及装置， 包 括： 采集轨道交通车辆行驶过程中的基准图像以 及待检测图像序列； 将基准图像以及待检测图像 序列中的图像进行等尺度分割， 并对分割后的基 准子图像和待检测子图像进行相似性检测， 选取 相似性较低的子图像对作为可能出现裂纹的重 点区域分割图像对； 构造面向微小目标识别的轨 道交通车轮裂纹特征识别网络提取待检测子图 像的高质量裂纹特征信息； 构建高鲁棒轨道交通 车轮裂纹识别模 型得到车轮裂纹识别 度。 本发明 所述方法实现高质量裂纹特征信息的提取， 实现 基于实时行驶车轮图像序列的动态裂纹检测， 若 轨道交通车辆的行驶车轮图像检测到裂纹， 则可 以迅速进行告警。 权利要求书4页 说明书13页 附图2页 CN 115546746 A 2022.12.30 CN 115546746 A 1.一种高速行驶轨道车辆裂纹检测方法， 其特 征在于， 所述方法包括： S1： 采集轨道交通车辆在出发时刻的初始车轮图像， 并按照固定时间间隔T采集轨道交 通车辆在行驶过程中的行驶车轮图像序列， 并对所采集图像进行预处理， 将预处理后的初 始车轮图像作为基准图像， 将预处 理后的行驶车轮图像序列 作为待检测图像序列； S2： 将基准图像以及待检测图像序列中的图像进行等尺度分割， 并对分割后的基准子 图像和待检测子图像进行相似性检测， 选取相似性较低的子图像对作为可能出现裂纹的重 点区域分割图像对， 其中所述子图像对为基准子图像与待检测子图像的集合， 所述待检测 子图像为待检测图像序列中待检测图像的分割后子图像， 所述相似性检测流 程， 包括： S21： 分别计算基准子图像I'0,k和对应待检测子图像I'k(ti)中每个像素在水平方向和 竖直方向的梯度向量， 所述像素在水平方向和竖直方向的梯度向量的计算公式为： 其中： G1[I'0,k(x,y)]表示基准子图像I'0,k中像素(x,y)在水平方向的梯度向量， G2[I'0,k(x, y)]表示基准子图像I'0,k中像素(x,y)在竖直方向的梯度向量； I'k(ti,(x,y))表示待检测子图像I'k(ti)中的像素(x,y)； S22： 分别计算基准子图像I'0,k和对应待检测子图像I'k(ti)的梯度向量： 其中： G(I'0,k)表示基准子图像I'0,k的梯度向量； G(I'k(ti))表示待检测子图像I'k(ti)的梯度向量； S23： 分别计算基准子图像I'0,k和对应待检测子图像I'k(ti)的梯度方向， 若两个子图像 梯度方向的差值的绝对值小于 则说明在满足方向准确阈值为 的情况下， 两个子图像的 相似， 否则基 准子图像 I'0,k和对应待检测子图像 I'k(ti)为可能出现裂纹的重 点区域分割图 像对(I'0,k,I'k(ti))； 所述梯度方向的计算公式为： 权　利　要　求　书 1/4 页 2 CN 115546746 A 2其中： θ(I'0,k)表示基准子图像I'0,k的梯度方向； θ(I'k(ti))表示待检测子图像I'k(ti)的梯度方向； S3： 构造面向微小目标识别的轨道交通车轮裂纹特征识别网络， 所述识别网络的输入 为重点区域分割图像对中的待检测子图像， 输出为待检测子图像的高质量裂纹特征信息， 其中所述结合自上而下和自下而上的特 征融合操作为高质量裂纹特 征信息的获取 方法； S4： 构建高鲁棒轨道交通车轮裂纹识别模型， 以获取得到的高质量裂纹特征信息为输 入， 进行噪音干扰环境下的车轮裂纹识别， 得到车轮裂纹识别度， 若 所述车轮裂纹识别度大 于指定阈值则表示待检测子图像所对应的车轮部位存在裂纹。 2.如权利要求1所述的一种高速行驶轨道车辆裂纹检测方法， 其特征在于， 所述S1步骤 中采集轨道交通车辆在出发时刻的初始车轮图像， 并按照固定时间间隔T采集轨道交通车 辆在行驶过程中的行驶车轮图像序列， 包括： 所述轨道交通车辆在出发时刻的车轮为完好、 不存在裂纹的车轮， 采集轨道交通车辆 在出发时刻的初始车轮图像I0， 按照固定时间间隔T采集轨道交通车辆在行驶过程中的行 驶车轮图像序列， 所述行驶车轮图像序列I的形式为： I＝{I(t1),I(t2),…,I(ti),…,I(tn)} 其中： I(ti)表示ti时刻的轨道交通车辆 行驶车轮图像， [t1,tn]为轨道交通车辆的行驶时间范 围， I(tn)表示轨道交通车辆在当前时刻的行驶车轮图像， 相邻时刻ti,ti+1的时间间隔为T； 所述采集图像的规格为 N×N像素。 3.如权利要求2所述的一种高速行驶轨道车辆裂纹检测方法， 其特征在于， 所述S1步骤 中对所采集图像进行 预处理， 包括： 对所采集图像进行预处理， 将预处理后的初始车轮图像作为基准图像， 将预处理后的 行驶车轮图像序列 作为待检测图像序列， 所述基准图像为 I'0， 待检测图像序列为： I＝{I′(t1),I′(t2),…,I′(ti),…,I′(tn)} 所述图像预处 理流程为： S11： 求取待处理图像中每个像素在RGB颜色分量的最大值， 并将该最大值设置为该像 素点的灰度值， 得到待处 理图像的灰度图； S12： 利用分段线性变换的方式对灰度图进行 灰度拉伸： 其中： g(x,y)表示灰度图g 中像素(x,y)的灰度值； g'(x,y)表示对g(x,y)进行 灰度拉伸后的灰度值； ming表示灰度图g 中的最小灰度值， maxg表示灰度图g 中的最大 灰度值； S13： 设置二值化阈值为 若灰度拉伸后的灰度图的像素灰度值大于等于二值化阈值权　利　要　求　书 2/4 页 3 CN 115546746 A 3