铁轨表面自动擦伤检测优化方案

在铁科院王胜春研究员主持的一个课题中，通过机器视觉技术来对铁轨表面擦伤进行自动分检测。图13.8中给出了一些铁轨表面擦伤的样本，大致分为两类：“磨损”类型的擦伤（如图13.8(a)所示）和“剐蹭”类型的擦伤（如图13.8(b)所示）。

为了对检测出来的铁轨表面擦伤进行自动分类，我们用如下两个特征：(1)擦伤区域的面积s和(2)擦伤的宽高比η，来对检测出来的铁轨表面擦伤进行表征。于是，每一个检测出来的铁轨表面擦伤都被映射成了：二维特征空间中的一个点(sk,ηk)T，其中k表示擦伤样本的编号。为了方便，我们用矩形框标注出擦伤区域，然后，用矩形框的面积近似表征擦伤区域的面积，并没有精确计算擦伤区域的面积。图13.9中给出了830个擦伤样本所对应的特征空间中的散点图。我们对这830个擦伤样本进行了人为标注，根据标注结果，在图13.9中用不同颜色和形状的点来分别表示“磨损”和“剐蹭”这两类擦伤。

图13.7　k-均值算法的实验结果。经过4次迭代，聚类中心不再发生明显变化。红色方框和红色圆点分别为更新前后的聚类中心。(https://www.xing528.com)

图13.8　铁轨表面擦伤的样本。(a)“磨损”类型的擦伤；(b)“剐蹭”类型的擦伤。

我们使用k-均值算法自动生成聚类，从而确定出各个类之间的边界，最终实现对铁轨表面擦伤的自动分类，结果如图13.10所示。注意：面积是以像素为单位的，是一个相对大小的值，因此，我们可以对其进行比例伸缩。为了取得更好的聚类和分类效果，我们将面积大小等比例缩放到0和4之间，因为宽高比的范围在0和4之间。