本發(fā)明屬于檢測(cè)領(lǐng)域，涉及一種鋼軌磨耗自動(dòng)檢測(cè)裝置，特別涉及基于一字線激光圖像處理和微處理器的能夠有效檢測(cè)鋼軌軌頭表面磨耗深度和寬度一種鋼軌磨耗自動(dòng)檢測(cè)裝置。

背景技術(shù)：

鐵路是交通運(yùn)輸?shù)拇髣?dòng)脈，相比其他運(yùn)輸方式，重載鐵路運(yùn)輸以運(yùn)量大、成本低的特點(diǎn)在世界各地迅速發(fā)展起來。在軌道設(shè)備中,鋼軌是最重要的組成部件,直接承受列車載荷并引導(dǎo)車輪運(yùn)行。鋼軌的技術(shù)狀態(tài)是否完好,直接影響著列車能否按規(guī)定的速度安全、平穩(wěn)和不間斷的運(yùn)行。鐵路機(jī)車是通過輪軌間的摩擦力來傳遞驅(qū)動(dòng)力和制動(dòng)力,而輪軌間的摩擦則會(huì)導(dǎo)致鋼軌磨耗的產(chǎn)生。隨著機(jī)車的高速、重載、高密度運(yùn)行,鋼軌的磨耗就會(huì)快速度的增加,特別是小半徑曲線外軌內(nèi)側(cè)面磨耗尤為嚴(yán)重。

鋼軌磨耗的檢測(cè)技術(shù)經(jīng)過了從簡(jiǎn)單目測(cè)到尺規(guī)類工具檢測(cè)、數(shù)字化儀器檢測(cè)等過程。目前，我國(guó)在鋼軌磨耗檢測(cè)方面有接觸卡具測(cè)量、渦流檢測(cè)、光學(xué)三角測(cè)量等主要方法，檢測(cè)結(jié)果往往取決于檢測(cè)工人的態(tài)度和儀器使用的經(jīng)驗(yàn)，這些方法存在著檢測(cè)效率低、檢測(cè)精度不高等諸多問題，已不能滿足目前高速化的發(fā)展需要。雖然現(xiàn)在出現(xiàn)了一種利用激光檢測(cè)鐵軌表面磨耗的檢測(cè)設(shè)備，但不能實(shí)現(xiàn)精準(zhǔn)的步進(jìn)式檢測(cè)，其他檢測(cè)方法也只是停留在理論研究層面。

技術(shù)實(shí)現(xiàn)要素：

為了得到一種可以執(zhí)行鋼軌磨耗檢測(cè)方法的檢測(cè)裝置，本發(fā)明提出了一種鋼軌磨耗檢測(cè)裝置，以執(zhí)行鋼軌磨耗方法，其技術(shù)要點(diǎn)是：包括一字線激光器、CCD圖像傳感器和微處理器、一字線激光器發(fā)出的一字線光束所在平面和被測(cè)鋼軌表面呈60°角，CCD圖像傳感器位于一字線光束所在平面的正上方，所述微處理器的輸入端接收CCD圖像傳感器采集的鋼軌圖像信息，并執(zhí)行鋼軌磨耗檢測(cè)方法。

有益效果：本發(fā)明給出了一種鋼軌磨耗檢測(cè)裝置，且激光與導(dǎo)軌表面成一定角度照射，為保證鋼軌有磨耗時(shí)在表面形成的兩段激光圖像在垂直于導(dǎo)軌的方向不在一條直線上；60°是為了兩段圖像在磨耗斷面上形成一個(gè)特殊三角形，即一個(gè)60°的直角三角形，這樣方便計(jì)算磨耗寬度和深度。

附圖說明

圖1為實(shí)施例2中所述鋼軌磨耗自動(dòng)檢測(cè)裝置的結(jié)構(gòu)框圖；

圖2為無磨耗激光圖像示意圖；

圖3為有磨耗激光圖像示意圖；

圖4為亮度曲線及圓盤直徑示意圖；

圖5為數(shù)據(jù)點(diǎn)及特征量的標(biāo)記示意圖。

具體實(shí)施方式

實(shí)施例1：一種鋼軌磨耗自動(dòng)檢測(cè)方法，采集鋼軌的激光圖像，并與完整鋼軌激光光帶圖像進(jìn)行圖像比對(duì)，以判斷檢測(cè)鋼軌是否有磨耗，判斷鋼軌有磨耗的，對(duì)采集的激光圖像進(jìn)行激光圖像處理，所述激光圖像處理包括圖像預(yù)處理和圖像邊緣提取，激光圖像處理后，選擇并提取與鋼軌磨耗量相關(guān)的激光圖像特征量，以計(jì)算得到鋼軌磨耗深度和寬度。其中：所述提取與鋼軌磨耗量相關(guān)的激光圖像特征量為以下特征量中的一種以上：

1)激光圖像的兩段直線部分的長(zhǎng)度l_A和l_B；

2)兩段直線激光圖像的寬度差e；

3)兩段直線激光圖像的縱向位置差z；

4)兩段直線激光圖像間過渡段的長(zhǎng)度l_C；

5)兩段直線激光圖像間過渡段的傾角θ；

磨耗寬度和磨耗深度統(tǒng)稱為鋼軌磨耗的特征量，選擇上述中一個(gè)或多個(gè)激光圖像特征量，用于計(jì)算鋼軌磨耗的深度和寬度；

而在計(jì)算鋼軌磨耗的深度和寬度時(shí)，并非選擇全部的上述激光圖像特征量進(jìn)行計(jì)算，為了優(yōu)化計(jì)算過程，選擇激光圖像特征量的組合作為計(jì)算鋼軌磨耗的深度和寬度的基礎(chǔ)計(jì)算數(shù)據(jù)，選擇該組合時(shí)的方法是：首先確定與該磨耗特征相關(guān)的激光圖像特征量，并從激光圖像特征量中選擇首選特征量，計(jì)算其余各激光圖像特征量與首選特征量的相關(guān)度系數(shù)，并求其平均值，該平均值即為特征量選擇的閾值β，若其中某兩個(gè)激光圖像特征之間的相關(guān)系數(shù)的絕對(duì)值|rTij|≥β，該兩個(gè)激光圖像特征是相關(guān)冗余特征，只選擇其中一個(gè)作為鋼軌磨耗判斷的激光圖像特征量。即在選擇用于判斷的激光圖像特征量的組合時(shí)，假設(shè)M是在具有磨耗的鋼軌上定點(diǎn)采集到的特征樣本集合，該集合包含N個(gè)固定點(diǎn)的反應(yīng)磨耗的激光圖像特征量，選擇相關(guān)度系數(shù)作為度量參數(shù)，該參數(shù)體現(xiàn)特征之間的相似性，兩個(gè)激光圖像特征是相關(guān)冗余特征，只選擇其中一個(gè)作為鋼軌磨耗判斷的激光圖像特征量，用于尋找可以有效判斷鋼軌磨耗寬度和深度的最少激光圖像特征量的組合。

作為一種實(shí)施例，上述中相關(guān)度系數(shù)作為度量參數(shù)，以體現(xiàn)特征間相關(guān)性的具體方法是：使用設(shè)兩組不同的激光圖像特征分別為：T_i＝{t_ik,k＝1,2,…,n}和T_j＝{t_jk,k＝1,2,…,n}，其中k表示第k個(gè)測(cè)試點(diǎn)，共有n個(gè)測(cè)試點(diǎn)，則兩組激光圖像特征的相關(guān)系數(shù)定義如下：

${\mathrm{rT}}_{ij}=\frac{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}(t_{ik}-\stackrel{\‾}{t_i})(t_{jk}-\stackrel{\‾}{t_j})}{\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{(t_{ik}-\stackrel{\‾}{t_i})}^2}\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{(t_{jk}-\stackrel{\‾}{t_j})}^2}}$

式中，和分別為兩組特征T_i和T_j的平均值：和

相關(guān)系數(shù)rT_ij反映了兩組特征T_i和T_j的相關(guān)程度，rT_ij的取值為負(fù)時(shí)，表示兩特征負(fù)相關(guān)；rT_ij的取值為正時(shí)，表示兩特征正相關(guān)；當(dāng)rT_ij＝0時(shí)，兩磨耗特征之間是不相關(guān)的，當(dāng)rT_ij的絕對(duì)值越接近于1時(shí)，兩激光圖像特征的相關(guān)程度越高，產(chǎn)生的冗余性越大，在反應(yīng)鋼軌磨耗的激光圖像特征集合中，利用各激光圖像特征量之間的相關(guān)系數(shù)，設(shè)置閾值β，若其中某兩個(gè)激光圖像特征之間的相關(guān)系數(shù)的絕對(duì)值|rT_ij|≥β，該兩個(gè)激光圖像特征是相關(guān)冗余特征，只選擇其中一個(gè)作為鋼軌磨耗判斷的激光圖像特征量。

在另一實(shí)施例中，對(duì)于上述所述的閾值β的確定方法是：對(duì)于某單一的激光圖像特征量，選中其作為首選特征，判斷其余激光圖像特征量為冗余特征的可能性的方法是：確定首選特征后，通過計(jì)算獲得鋼軌磨耗寬度和深度相關(guān)激光圖像特征集合中與首選特征量之間的相關(guān)度系數(shù)，將該組相關(guān)度系數(shù)數(shù)據(jù)的均值設(shè)置為閾值β，閾值β的確定方法是：

$\mathrm{\β}=\frac{1}{c-1}\underset{j=2}{\overset{c-1}{\mathrm{\Σ}}}\left|{\mathrm{rT}}_{1j}\right|$

其中：式中c為特征量的數(shù)量，l為首選特征量的序號(hào)，j為備選特征量的序號(hào)。

由此，上述實(shí)施例，求得特征間的相關(guān)系數(shù)以得到特征間冗余的可能性大小，將該組相關(guān)度系數(shù)數(shù)據(jù)的均值設(shè)置為閾值β，以此閾值作為判斷特征是否冗余的依據(jù)，從而在判斷兩特征冗余時(shí)，只選擇冗余特征間的一個(gè)作為計(jì)算磨耗的深度和寬度的激光圖像特征，以優(yōu)化計(jì)算過程，以此得到最少特征組合。

作為一種實(shí)施例，具體公開磨耗深度和寬度的計(jì)算方法：激光圖像的兩段直線部分的長(zhǎng)度l_A作為磨耗寬度檢測(cè)的首選特征，兩段直線激光圖像的縱向位置差z作為磨耗深度檢測(cè)的首選特征；由兩組激光圖像特征的相關(guān)系數(shù)計(jì)算得到激光圖像的兩個(gè)直線部分的長(zhǎng)度l_A和l_B作為磨耗寬度檢測(cè)的特征量，兩段直線激光圖像的縱向位置差z作為磨耗深度檢測(cè)的特征量，磨耗寬度計(jì)算公式為：

$W=l_B+\frac{2}{3}|l-(l_A+l_B)|$

其中，l為沒有磨耗鋼軌的寬度；

磨耗深度計(jì)算公式為：

V＝z·tan 60°

作為一種實(shí)施例，所述圖像預(yù)處理包括如下步驟：

首先將圖像灰度化，繪制灰度圖像的直方圖，找出灰度集中范圍；

然后使用下述公式，對(duì)灰度圖像進(jìn)行灰度增強(qiáng)，使圖像更加清晰；

$y=255\×\frac{(x-a)}{(b-a)}$

其中：a、b分別為灰度圖像直方圖中灰度值集中分布的左右邊界點(diǎn)，x、y分別代表灰度增強(qiáng)前后的灰度值。

作為一種實(shí)施例，所述圖像邊緣提取的方法，包括如下步驟：

任取一條沿水平方向分布像素點(diǎn)的中值濾波亮度曲線，在該曲線最大峰值兩側(cè)分別取出亮度梯度變化最大的連續(xù)點(diǎn)，取該兩組連續(xù)點(diǎn)的中點(diǎn)p和q，p和q之間距離作為檢測(cè)模板直徑；

設(shè)圖像的亮度為f(i,j)，在圖像場(chǎng)內(nèi)取一個(gè)圓s(c,r)作為檢測(cè)模板，其中c為圓心，其坐標(biāo)為(i_c,j_c)，r為半徑；

定義s(c,r)內(nèi)像素點(diǎn)的集合，并記圓s內(nèi)像素點(diǎn)的亮度和為：

$X=\underset{(i,j)\∈X}{\mathrm{\Σ}}f(i,j)$

使檢測(cè)模板圓心在水平方向的小范圍內(nèi)移動(dòng)，計(jì)算每一位置檢測(cè)模板內(nèi)各像素亮度和，該范圍內(nèi)亮度和最大的模板圓心位置，即為該亮條的一個(gè)像素級(jí)屋脊邊緣點(diǎn)，利用最小二乘法擬合直線，該直線即為一字線激光圖像中心線，所述小范圍是以圓心為中心點(diǎn)左右各2倍半徑的圖像區(qū)間，以得到激光圖像的兩段直線部分的長(zhǎng)度l_A和l_B，兩段直線激光圖像間過渡段的長(zhǎng)度l_C。

本實(shí)施例采集的鋼軌激光圖像與完整圖像進(jìn)行比對(duì)，以判斷是否采集圖像中的鋼軌存在磨損，并在判斷為磨損時(shí)，進(jìn)一步選擇特征量以計(jì)算得到磨損，先定性判斷磨耗，再定量計(jì)算磨耗深度和寬度的思路，以及在計(jì)算過程中，對(duì)特征量進(jìn)行選擇，以優(yōu)化磨耗深度和寬度的計(jì)算過程。

實(shí)施例2：作為實(shí)施例1技術(shù)方案的補(bǔ)充，或者作為一種單獨(dú)的實(shí)施例：磨耗主要出現(xiàn)在鋼軌的頭部，磨耗的包括頂面磨耗和側(cè)面磨耗，檢測(cè)時(shí)必須同時(shí)檢測(cè)這兩個(gè)數(shù)值，來綜合判斷鋼軌的磨耗程度。本實(shí)施例利用高強(qiáng)度窄束一字激光光束，激光器與一字線光束所在平面和被測(cè)鋼軌表面呈60°角，高分辨率面陣CCD圖像傳感器位于激光圖像的正上方拍攝激光圖像。在有磨耗的鋼軌表面光束圖像出現(xiàn)了彎曲，通過彎曲點(diǎn)出現(xiàn)的位置及彎曲程度確定鋼軌磨耗的寬度及深度。

鋼軌磨耗自動(dòng)檢測(cè)裝置包括：一字線激光器、CCD圖像傳感器、微處理器、執(zhí)行單元、顯示和聲光報(bào)警單元以及接口單元。CCD圖像傳感器采集激光圖像，所獲得的圖像信息傳輸給微處理器進(jìn)行分析處理，提取圖像邊緣和中心位置并擬合直線，形成完整鋼軌激光光帶圖像輪廓，將圖像信息轉(zhuǎn)換成鋼軌輪廓參數(shù)，存儲(chǔ)鋼軌輪廓的特征量，并與完整鋼軌參數(shù)進(jìn)行比對(duì)，判斷鋼軌是否存在磨耗。沒有磨耗繼續(xù)進(jìn)行下一點(diǎn)檢測(cè)；有磨耗，進(jìn)一步確定磨耗量，包括磨耗的深度和寬度。執(zhí)行單元接受微處理器的控制信號(hào)，控制檢測(cè)裝置的行進(jìn)方向和速度，調(diào)節(jié)CCD圖像傳感器的方位，微處理器的輸出端分別與LCD顯示器和聲光報(bào)警系統(tǒng)連接，LCD顯示器用于顯示鋼軌的當(dāng)前位置和磨耗程度，聲光報(bào)警系統(tǒng)用于提示鋼軌當(dāng)前位置存在磨耗，需要修復(fù)。接口單元用于與上位機(jī)交換信息，上位機(jī)可以進(jìn)一步對(duì)磨耗位置的圖像進(jìn)一步精細(xì)處理，確定精確地磨耗量。

圖像預(yù)處理是激光圖像邊緣提取的前期處理階段，首先將圖像灰度化，繪制灰度圖像的直方圖，找出灰度集中范圍，利用公式(1)(其中a、b分別為灰度圖像直方圖中灰度值集中分布的左右邊界點(diǎn)，x、y分別代表灰度增強(qiáng)前后的灰度值)對(duì)灰度圖像進(jìn)行灰度增強(qiáng)，使圖像更加清晰。

$y=255\×\frac{(x-a)}{(b-a)}---\left(1\right)$

一字線激光圖像的邊緣檢測(cè)采用“屋脊形”邊緣檢測(cè)方法?；趩我幌袼攸c(diǎn)亮度的邊緣檢測(cè)方法抗噪聲能力較差，為了降低圖像噪聲的干擾，把某一區(qū)域內(nèi)各像素點(diǎn)亮度和作為“屋脊形”邊緣判別依據(jù)。由于圓具有各向同向性，不受屋脊形邊緣方向的影響，因此，本發(fā)明采用圓盤法“屋脊形”邊緣檢測(cè)方法。將大小適當(dāng)?shù)膱A盤檢測(cè)模板在一字線激光圖像兩側(cè)的一定范圍內(nèi)移動(dòng)，當(dāng)模板內(nèi)各像素點(diǎn)的亮度和的梯度變化滿足一定要求時(shí)，模板的中心點(diǎn)為屋脊形邊緣點(diǎn)。

任取一條沿水平方向分布像素點(diǎn)的中值濾波亮度曲線，在該曲線最大峰值兩側(cè)分別取出亮度梯度變化最大的連續(xù)點(diǎn)，取該兩組連續(xù)點(diǎn)的中點(diǎn)p和q，p和q之間距離作為檢測(cè)模板直徑，如圖3所示。

設(shè)圖像的亮度為f(i,j)，在圖像場(chǎng)內(nèi)取一個(gè)圓s(c,r)作為檢測(cè)模板，其中c為圓心，其坐標(biāo)為(i_c,j_c)，r為半徑。定義s(c,r)內(nèi)像素點(diǎn)的集合：

并記圓s內(nèi)像素點(diǎn)的亮度和為：

$X=\underset{(i,j)\∈X}{\mathrm{\Σ}}f(i,j)---\left(2\right)$

使檢測(cè)模板圓心在水平方向的小范圍內(nèi)移動(dòng)，計(jì)算每一位置檢測(cè)模板內(nèi)各像素亮度和，該范圍內(nèi)亮度和最大的模板圓心位置，即為該亮條的一個(gè)像素級(jí)屋脊邊緣點(diǎn)。利用最小二乘法擬合直線，該直線即為一字線激光圖像中心線。檢測(cè)出的邊緣點(diǎn)及擬合的直線如圖4所示。

進(jìn)一步提取和鋼軌磨耗量相關(guān)激光圖像特征量，包括特征量的選擇方法和閾值的確定。

本發(fā)明主要涉及的鋼軌磨耗的寬度和深度，通過激光圖像的彎曲程度可以確定鋼軌磨耗的寬度和深度，有以下幾個(gè)特征量可用于選擇：

1)激光圖像的兩段直線部分的長(zhǎng)度l_A和l_B；

2)兩段直線激光圖像的寬度差e；

3)兩段直線激光圖像的縱向位置差z；

4)兩段直線激光圖像間過渡段的長(zhǎng)度l_C；

5)兩段直線激光圖像間過渡段的傾角θ。

可以選擇一個(gè)或多個(gè)特征量用于判斷鋼軌磨耗的深度和寬度，在選擇用于判斷的特征量的組合時(shí)，要求不同類特征具有顯著差別，避免冗余特征干擾判斷。假設(shè)M是在具有磨耗的鋼軌上定點(diǎn)采集到的特征樣本集合，該集合包含n個(gè)固定點(diǎn)的磨耗特征。選擇相關(guān)度系數(shù)作為度量參數(shù)，該參數(shù)可體現(xiàn)特征之間的相似性，用于尋找可以有效判斷鋼軌磨耗寬度和深度的最少特征量的組合。設(shè)兩組不同的磨耗特征分別為：T_i＝{t_ik,k＝1,2,…,n}和T_j＝{t_jk,k＝1,2,…,n}，其中k表示第k個(gè)測(cè)試點(diǎn)，共有n個(gè)測(cè)試點(diǎn)，則兩組特征的相關(guān)系數(shù)定義如下：

${\mathrm{rT}}_{ij}=\frac{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}(t_{ik}-\stackrel{\‾}{t_i})(t_{jk}-\stackrel{\‾}{t_j})}{\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{(t_{ik}-\stackrel{\‾}{t_i})}^2}\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{(t_{jk}-\stackrel{\‾}{t_j})}^2}}---\left(3\right)$

式中，和分別為兩組特征T_i和T_j的平均值：和

相關(guān)系數(shù)rT_ij反映了兩組特征T_i和T_j的相關(guān)程度，rT_ij的取值為負(fù)時(shí)，表示兩特征負(fù)相關(guān)；取值為正時(shí)，表示兩特征正相關(guān)。當(dāng)rT_ij＝0時(shí)，兩特征之間是不相關(guān)的。于是當(dāng)rT_ij的絕對(duì)值越接近于1時(shí)，表示兩特征的相關(guān)程度越高，此時(shí)可能產(chǎn)生的冗余性越大。

在鋼軌磨耗的特征集合中，利用各特征量之間的相關(guān)系數(shù)，設(shè)置閾值β，若其中某兩個(gè)特征之間的相關(guān)系數(shù)的絕對(duì)值|rT_ij|≥β，說明這兩個(gè)特征是相關(guān)冗余特征，只能選擇其中一個(gè)作為鋼軌磨耗判斷的特征量。

對(duì)于某單一特征，其與鋼軌磨耗深度和寬度的直接關(guān)系越大、判斷方法越簡(jiǎn)單，用于判斷磨耗量的可行性越高，被選中的可能性越大，被選中的特征作為首選特征。判斷某一特征為冗余特征的可能性，依據(jù)其與首選特征的相關(guān)性，相關(guān)性越高，則成為相關(guān)冗余特征的可能性越大。在確定首選特征后，通過計(jì)算獲得鋼軌磨耗寬度和深度相關(guān)特征集合中與首選特征量之間的相關(guān)度系數(shù)，將該組數(shù)據(jù)的均值設(shè)置為閾值β，如式(4)所示:

$\mathrm{\β}=\frac{1}{c-1}\underset{j=2}{\overset{c-1}{\mathrm{\Σ}}}\left|{\mathrm{rT}}_{1j}\right|---\left(4\right)$

確定特征量后，計(jì)算檢測(cè)位置的鋼軌磨耗量，進(jìn)行存儲(chǔ)和顯示，有超限磨耗時(shí)啟動(dòng)聲光報(bào)警裝置。

在離線情況下接口單元用于與上位機(jī)交換信息，上位機(jī)可以進(jìn)一步對(duì)磨耗位置的圖像進(jìn)一步精細(xì)處理，確定精確地磨耗量。由于采用上述技術(shù)方案，本實(shí)施例提供的一種鋼軌磨耗自動(dòng)檢測(cè)裝置具有這樣的有益效果，由于采用圖像處理的方法，在微處理器的控制下，脫離PC機(jī)的控制，裝置可以在操作人員的設(shè)定下自動(dòng)運(yùn)行。設(shè)備有一定的完善性和實(shí)效性，便于檢測(cè)人員的使用，不僅操作簡(jiǎn)單、檢測(cè)結(jié)果準(zhǔn)確，而且生產(chǎn)制造成本低。

實(shí)施例3：一種鋼軌磨耗檢測(cè)裝置，包括一字線激光器、CCD圖像傳感器和微處理器、一字線激光器發(fā)出的一字線光束所在平面和被測(cè)鋼軌表面呈60°角，CCD圖像傳感器位于一字線光束所在平面的正上方，所述微處理器的輸入端接收CCD圖像傳感器采集的鋼軌圖像信息，并執(zhí)行鋼軌磨耗檢測(cè)方法，該檢測(cè)方法可以是實(shí)施例1中的檢測(cè)方法。激光與導(dǎo)軌表面成一定角度照射，為保證鋼軌有磨耗時(shí)在表面形成的兩段激光圖像在垂直于導(dǎo)軌的方向不在一條直線上；60°是為了兩段圖像在磨耗斷面上形成一個(gè)特殊三角形，即一個(gè)60°的直角三角形，這樣方便計(jì)算磨耗寬度和深度。

作為一種實(shí)施例，檢測(cè)裝置還包括LCD顯示器、聲光報(bào)警系統(tǒng)和接口單元，所述微處理器的輸出端分別與LCD顯示器、聲光報(bào)警系統(tǒng)、接口單元連接，所述接口單元又與上位機(jī)連接以交換微處理器與上位機(jī)間的信息。

作為一種實(shí)施例，所述檢測(cè)裝置還包括執(zhí)行單元，執(zhí)行單元接收微處理器的控制信號(hào)，執(zhí)行單元包括第一伺服電機(jī)和第二伺服電機(jī)，微處理器連接第一伺服電機(jī)以控制鋼軌磨耗檢測(cè)系統(tǒng)行進(jìn)方向和速度，微處理器連接第二伺服電機(jī)，第二伺服電機(jī)連接CCD圖像傳感器，第二伺服電機(jī)以控制CCD圖像傳感器的方位。即由處理器發(fā)出控制信號(hào)，控制執(zhí)行單元的伺服電機(jī)按固定的速度形式固定時(shí)間，確定下一個(gè)檢測(cè)點(diǎn)，并通過電機(jī)微調(diào)CCD圖像傳感器的角度，保證激光光線與鋼軌表面成60°角。

作為一種實(shí)施例：所述微處理器包括：

磨耗判斷模塊，采集鋼軌的激光圖像，并與完整鋼軌激光光帶圖像進(jìn)行圖像比對(duì)，以判斷檢測(cè)鋼軌是否有磨耗；

磨耗計(jì)算模塊，判斷鋼軌有磨耗的，選擇并提取與鋼軌磨耗量相關(guān)的激光圖像特征量，以計(jì)算得到鋼軌磨耗深度和/或?qū)挾取?/p>

作為一種實(shí)施例，所述檢測(cè)裝置，還包括：

特征量選擇模塊，選擇所述與鋼軌磨耗量相關(guān)的激光圖像特征量為以下特征量中的一種以上：

1)激光圖像的兩段直線部分的長(zhǎng)度l_A和l_B；

2)兩段直線激光圖像的寬度差e；

3)兩段直線激光圖像的縱向位置差z；

4)兩段直線激光圖像間過渡段的長(zhǎng)度l_C；

5)兩段直線激光圖像間過渡段的傾角θ；

所述特征量選擇模塊選擇特征量的過程是：鋼軌磨耗的特征量包括磨耗寬度和磨耗深度，選擇一個(gè)或多個(gè)激光圖像特征量，用于計(jì)算鋼軌磨耗的深度和/或?qū)挾?，在選擇用于判斷的激光圖像特征量的組合時(shí)，假設(shè)M是在具有磨耗的鋼軌上定點(diǎn)采集到的特征樣本集合，該集合包含N個(gè)固定點(diǎn)的反應(yīng)磨耗的激光圖像特征量，選擇相關(guān)度系數(shù)作為度量參數(shù)，兩個(gè)激光圖像特征是相關(guān)冗余特征的，只選擇其中一個(gè)作為鋼軌磨耗判斷的激光圖像特征量，以得到有效判斷鋼軌磨耗寬度和深度的最少激光圖像特征量的組合，并以該特征量組合計(jì)算得到鋼軌磨耗的某一特征量。

所述判斷兩個(gè)激光圖像特征是相關(guān)冗余特征的方法是：從激光圖像特征量中選擇首選特征量，計(jì)算其余各激光圖像特征量與首選特征量的相關(guān)度系數(shù)，并求其平均值，該平均值為激光圖像特征量選擇的閾值β，若其中某兩個(gè)激光圖像特征之間的相關(guān)系數(shù)的絕對(duì)值|rTij|≥β，則該兩個(gè)激光圖像特征是相關(guān)冗余特征，只選擇其中一個(gè)作為鋼軌磨耗判斷的激光圖像特征量。

計(jì)算所述相關(guān)度系數(shù)的方法是：

設(shè)兩組不同的激光圖像特征分別為：T_i＝{t_ik,k＝1,2,…,n}和T_j＝{t_jk,k＝1,2,…,n}，其中k表示第k個(gè)測(cè)試點(diǎn)，共有n個(gè)測(cè)試點(diǎn)，則兩組激光圖像特征的相關(guān)系數(shù)定義如下：

${\mathrm{rT}}_{ij}=\frac{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}(t_{ik}-\stackrel{\‾}{t_i})(t_{jk}-\stackrel{\‾}{t_j})}{\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{(t_{ik}-\stackrel{\‾}{t_i})}^2}\sqrt{\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{(t_{jk}-\stackrel{\‾}{t_j})}^2}}$

式中，和分別為兩組特征T_i和T_j的平均值：和

相關(guān)系數(shù)rT_ij反映了兩組特征T_i和T_j的相關(guān)程度，rT_ij的取值為負(fù)時(shí)，表示兩特征負(fù)相關(guān)；rT_ij的取值為正時(shí)，表示兩特征正相關(guān)；當(dāng)rT_ij＝0時(shí)，兩磨耗特征之間是不相關(guān)的，當(dāng)rT_ij的絕對(duì)值越接近于1時(shí)，兩激光圖像特征的相關(guān)程度越高，產(chǎn)生的冗余性越大；

計(jì)算閾值β的方法是：

$\mathrm{\β}=\frac{1}{c-1}\underset{j=2}{\overset{c-1}{\mathrm{\Σ}}}\left|{\mathrm{rT}}_{1j}\right|$

其中：式中c為特征量的數(shù)量，l為首選特征量的序號(hào)，j為備選特征量的序號(hào)。

激光圖像的兩段直線部分的長(zhǎng)度l_A作為磨耗寬度檢測(cè)的首選特征，兩段直線激光圖像的縱向位置差z作為磨耗深度檢測(cè)的首選特征；由兩組激光圖像特征的相關(guān)系數(shù)計(jì)算得到激光圖像的兩個(gè)直線部分的長(zhǎng)度l_A和l_B作為磨耗寬度檢測(cè)的特征量，兩段直線激光圖像的縱向位置差z作為磨耗深度檢測(cè)的特征量，磨耗寬度計(jì)算公式為：

$W=l_B+\frac{2}{3}|l-(l_A+l_B)|$

其中，l為沒有磨耗鋼軌的寬度；

磨耗深度計(jì)算公式為：

V＝z·tan 60°。

采集的鋼軌的激光圖像，在提取與鋼軌磨耗量相關(guān)的激光圖像特征量前，具有激光圖像處理的步驟，所述激光圖像處理包括圖像預(yù)處理和圖像邊緣提?。?/p>

所述圖像預(yù)處理包括如下步驟：

首先將圖像灰度化，繪制灰度圖像的直方圖，找出灰度集中范圍；

然后使用下述公式，對(duì)灰度圖像進(jìn)行灰度增強(qiáng)，使圖像更加清晰；

$y=255\×\frac{(x-a)}{(b-a)}$

其中：a、b分別為灰度圖像直方圖中灰度值集中分布的左右邊界點(diǎn)，x、y分別代表灰度增強(qiáng)前后的灰度值；

使用所述圖像邊緣提取的方法，包括如下步驟：

任取一條沿水平方向分布像素點(diǎn)的中值濾波亮度曲線，在該曲線最大峰值兩側(cè)分別取出亮度梯度變化最大的連續(xù)點(diǎn)，取該兩組連續(xù)點(diǎn)的中點(diǎn)p和q，p和q之間距離作為檢測(cè)模板直徑；

設(shè)圖像的亮度為f(i,j)，在圖像場(chǎng)內(nèi)取一個(gè)圓s(c,r)作為檢測(cè)模板，其中c為圓心，其坐標(biāo)為(i_c,j_c)，r為半徑；

定義s(c,r)內(nèi)像素點(diǎn)的集合，并記圓s內(nèi)像素點(diǎn)的亮度和為：

$X=\underset{(i,j)\∈X}{\mathrm{\Σ}}f(i,j)$

使檢測(cè)模板圓心在水平方向的小范圍內(nèi)移動(dòng)，計(jì)算每一位置檢測(cè)模板內(nèi)各像素亮度和，該范圍內(nèi)亮度和最大的模板圓心位置，即為該亮條的一個(gè)像素級(jí)屋脊邊緣點(diǎn)，利用最小二乘法擬合直線，該直線即為一字線激光圖像中心線，所述小范圍是以圓心為中心點(diǎn)左右各2倍半徑的圖像區(qū)間，以得到激光圖像的兩段直線部分的長(zhǎng)度l_A和l_B，兩段直線激光圖像間過渡段的長(zhǎng)度l_C。

以上所述，僅為本發(fā)明創(chuàng)造較佳的具體實(shí)施方式，但本發(fā)明創(chuàng)造的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明創(chuàng)造披露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明創(chuàng)造的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明創(chuàng)造的保護(hù)范圍之內(nèi)。