近年來，随着城市規模不斷擴大和城市軌道交通的迅速發展，軌道交通已成為人們日常出行的主要交通工具之一，随之而來的是工程技術人員對軌道交通裝置的繁重的檢修工作。如何利用人工智能技術代替人力進行軌道交通裝置的監測工作成為人們關注的重點。
南京理工大學的研究人員朱晨呈、徐永能，在2019年《電氣技術》增刊中撰文，針對軌道交通裝置中的轉轍機裝置的智能化故障監測進行研究，利用圖像處理技術，合理運用圖像分割、邊緣檢測和形态學運算等算法，對轉轍機裝置中杆缺口的相對變化量進行檢測，實作杆缺口的精準有效監測，并及時提供智能告警，進而提高裝置的智能化應用水準，確定軌道交通裝置的安全運作。
近年來，随着城市規模不斷擴大，城市交通擁堵問題凸顯，人們越來越多地選擇城市軌道交通作為日常出行工具。而城市軌道交通車輛速度不斷提升，列車的載重量和車輛行駛密度不斷增加，對軌道交通輔助裝置的穩定、安全、監測和維護等提出了更高的要求。
其中，轉轍機裝置作為實作道岔尖軌等轉換的關鍵裝置，任何失效都會使列車無法正常運作，甚至可能造成列車掉軌、翻車等嚴重後果，帶來生命和财産的嚴重損失。是以，如何利用人工智能技術代替人力來進行軌道交通轉轍機裝置的監測和維護，對故障問題能夠更加準确的監測、預判和及時告警，已成為國内外各大高校及研究院所研究的熱點問題，軌道交通轉轍機裝置的智能化研究也由此展開。
轉轍機裝置智能化研究的目标是将各類先進的傳感器技術和大資料處理技術應用在傳統轉轍機裝置的故障檢測上，将多年老工程師的工作經驗總結出來，形成标準判據，借助儀器裝置準确性和可靠性的優勢，利用大資料技術，對傳感器裝置采集資料進行分析，結合标準判據進行故障的監測和預判，克服人工監測因專業知識或經驗技術不足帶來的判斷不準或誤判等缺點，大幅提高轉轍機裝置的可靠性和故障發現的準确性，確定軌道交通車輛的安全運作。
在故障檢測的基礎上，還可以利用監測資料的分析對故障進行預判，在告警裝置可能即将出現故障時對裝置進行保養，進而避免故障的發生，最大限度地降低裝置的維修成本，提高地鐵系統的服務品質。
轉轍機裝置的監測主要表現在電壓電流、轉換力、動作時間和缺口檢測等名額上，針對不同的名額，國内外各大高校及研究院所均有大量的研究。蘭州交通大學的李積英等教授及團隊針對軌道交通工程的道岔控制系統中使用三相交流轉轍機進行研究，開發出能夠檢測交流五線制轉轍機性能的測試儀器，借助其攜帶友善、可靠等優點，給電務人員的現場應用提供了很大幫助。
西北工業大學的王安 等人設計的基于ARM的便攜式轉轍機測試儀，主要對驅動轉轍機過程中的拉力和電流參數進行測試，進而實作對ZD6、ZDJ9、S700K等型号轉轍機的檢驗。北京交通大學鄭霄等人提出基于圖像處理技術的轉轍機實時線上監測研究。西安電子科技大學李萌等人進行轉轍機表示缺口的圖像監測闆設計，完成了對缺口寬度檢測和缺口的圖像采集，并通過編碼器傳送給監控室。
本文為實作轉轍機系統中杆缺口的精準有效監測，借助高精度和高清晰度的數位微視錄影機對轉轍機的杆缺口進行拍攝，并利用圖像處理技術(如圖像分割、邊緣檢測和形态學運算等算法)對圖像資料進行處理。為了能夠有效排除外界非理性幹擾因素的影響，提高檢測結果的準确性，本次設計采用對杆缺口相對位移量進行檢測的設計方法，換算獲得精準的杆缺口值，進而真實反映轉轍機杆缺口大小，提供及時告警維護的資訊。
1 圖像處理技術應用分析
利用數位微視錄影機擷取的轉轍機杆缺口圖像如圖1所示。杆缺口缺口大小随觀察時間的不同而不同。工程上，鎖閉柱與鎖閉杆缺口間隙為(2±0.5)～(4±0.5)mm，若存在較大偏差則可能存在風險，需要進行檢修維護。利用圖像處理技術，對杆缺口進行定時監測，若缺口間隙出現異常則進行告警，維修人員可根據告警提示合理開展維護工作，以確定軌道列車安全運作。
圖1 錄影機擷取的轉轍機杆缺口圖像
圖像處理主要是在頻率域(frequency)和空間域(spatial)兩類不同的表示域進行處理。頻率域圖像處理主要是通過圖像變換(如傅裡葉變換)，将圖像變換到頻率域，進而對不同頻率處的圖像資訊進行針對性處理。空間域圖像處理是将圖像看作一個二維矩陣，使用矩陣分析和統計學原理等數字運算對資料進行處理。
空間域處理具有直覺性強和速度快等優點，本文重點研究如何利用空間域圖像處理方法來進行轉轍機杆缺口的精确可靠檢測，提出了一種轉轍機杆缺口檢測的算法流程來實作對其快速精确檢測。
考慮到轉轍機應用場景的非理想性和檢測準确性的要求，本次算法采用檢測杆缺口相對變化量的設計方法，利用初始杆缺口值和杆缺口相對變化量來擷取準确的杆缺口值，再與工程值進行比較，若存在非正常值情況，則啟動告警。
如圖1所示，數位微視錄影機擷取的圖像除所要求的杆缺口資訊外還包含了許多額外資料資訊，這些資訊的存在會在一定程度上增加圖像處理過程的準确性和複雜度，是以在進行杆缺口檢測之前先應對圖像進行裁剪處理。
圖2給出了裁剪後的杆缺口圖像。利用工程師的工程經驗對裁剪圖像的位置和尺寸進行确認及修正，當存在極端事件導緻杆缺口出現在裁剪圖像外并導緻檢測算法無法正常工作時，需要進行現場調整。
圖2 轉轍機杆缺口裁剪圖像
圖2(a)和圖2(b)所示分别為不同時刻的杆缺口圖像。利用圖像分割技術可将杆缺口的相對變化量進行分割标記。常用的圖像分割方法有基于門檻值的分割方法、基于邊緣的分割方法、基于區域的分割方法、基于聚類的分割方法、基于模型的分割方法和基于特定理論工具的分割方法。
結合本次應用圖像的特點和要求，選擇基于門檻值的分割方法。為了獲得合适的門檻值，選擇最大類間方差法來進行門檻值确定。其基本思路是：根據圖像的直方圖，選擇一合理灰階作為門檻值将圖像分割成兩部分，并計算兩組方差，若分成的兩組之間的方差最大，則對應的灰階即為門檻值灰階值。圖3給出了圖像分割後的目标區域圖像。
圖3 圖像分割後的目标區域圖像
為進一步對杆缺口相對變化量進行定位，本文采用了邊緣檢測和形态學運算的圖像處理技術。邊緣檢測就是檢測出圖像上的邊緣資訊，其目的是找到圖像中亮度變化劇烈的像素點構成的集合，即物體的輪廓。根據邊緣檢測算子的不同，可以分為梯度算子、羅伯特(Roberts)算子、索伯(Sobel)算子以及重點強調鄰接特性的其他算子等。本文選用羅伯特算子作為邊緣檢測算子，其表達式為
公式1
對圖3中的圖像進行邊緣檢測處理後的結果如圖4所示。
圖4 邊緣檢測處理後的圖像
圖像形态學運算是指由一組形态學代數運算子組成的運算。基本的形态學運算算子包括腐蝕算子(erosion operator)、膨脹算子(dilation operator)、開算子(opening operator)、閉算子(closing operator)和骨骼算子(skelton operator)等。其中，腐蝕算子是在數字運算上消除物體的邊界點，目的在于将小于結構元素的物體消除，消除物體的大小可根據結構元素的大小而定。膨脹算子的作用是将物體接觸的所有點合并到物體中，增大目标，進而填補目标中的空洞。
開算子是消除圖像上的細小噪聲，進而平滑物體邊界。閉算子是填充物體内的細小空洞，進而平滑物體邊界。本次圖像處理的目的是将轉轍機杆缺口檢查出來，是以，優先選擇采用腐蝕算子對目标缺口的邊界點進行處理，再進行方形閉環運算。處理後的圖像結果分别如圖5和圖6所示。
圖5 腐蝕算子處理後的圖像
圖6 方形閉環運算處理後的圖像
從圖6中可以看出，除了目标物體杆缺口外，還有其他非目标物體存在，需要進一步将非目标物體去除。結合本次設計中具體的應用場景，選取對目标物體像素點統計進而消除的方法，根據轉轍機杆缺口的初始标準寬度W0、可容許的最大寬度Wmax和最小寬度Wmin，可确定目标像素的範圍寬度分别為min[(Wmax-W0), (W0-Wmin)]-Wcor和max[(Wmax-W0), (Wmin-W0)]+Wcor，工程上可對算法進行訓練，進而優化校正偏差Wcor的值，以確定檢測的精度。
圖7給出了去除非目标物體後的圖像。根據目标圖像和背景圖像不同的灰階值，進一步将目标圖像從背景圖像中分割出來，即可獲得圖8所示的杆缺口相對變化情況，其中包含杆缺口的相對變化量的寬度像素Wp和長度像素值Lp。
考慮到微型相機與目标物體的相對距離可能會有微變，為了確定檢測的精度，借助像素寬長比與實際寬長比相等的判據，求得杆缺口的相對變化寬度ΔW=(Wp/Lp)L，其中，L為杆缺口實際寬帶，且為恒定值。
将通過圖像智能檢測算法獲得的轉轍機杆缺口寬度與标準杆缺口間隙進行比較，若超出标準範圍則進行告警，結合物聯網技術，通知檢修人員具體轉轍機的位置和杆缺口寬度，幫助檢修人員進行正确的判斷及故障處理。
圖7 去除非目标物體後的圖像
圖8 目标圖像杆缺口的最終檢測結果
2 結論
軌道交通裝置的智能監測系統研究對城市軌道交通的安全運作具有重要意義。本文針對軌道交通裝置中的轉轍機裝置的智能化故障監測進行研究，借助圖像處理技術，合理運用圖像分割、邊緣檢測和形态學運算等算法，對轉轍機裝置中杆缺口的相對變化量進行監測，進而實作對轉轍機裝置中的杆缺口精準有效監測，當杆缺口超出标準寬度時能夠及時告警，進而提高裝置的智能化應用水準，確定軌道交通裝置的安全運作。