本科毕业论文---车号自动识别系统设计.doc

摘 要
为推进铁路现代化建设，实现货车列检作业环节的减少，推动从人检到机检、静态检测到动态检删的转变，提高列检效率和质量，保障货物列车运行安全，铁路列检站急需要一种可以对目前运行的铁路货车车辆的标签进行识别，对车底重要部位进行高速、清晰的图像采集，井可阻实现/W ..d动识别的设备，因此-货车运行故障动态图像检测系统（Troubic of Mwmg Frcigjit Car Detection Systcm，TFDS）孕育而生。
本文主要介绍了铁路货车运行故障动态图像检测系统的研究过程·作者将TFDS系统分为前端控制与采集于系统和计算机视觉故障自动识别子系统两部分，每个子系统又分为若干模块分别设计。本文重点对静端控制与采集子系统的车号识别设备、图像自动采集设备，以及对计算机视觉自动识别子系统的针对两类常见故障的计算机视觉图像自动别算法进行了研究。研究车号自动识别设备时，应用了射频识别(RadioFrcquency IdentⅡification，RFID)技术中的微波反射调制解调原理。其中载波信号生成子模块产生910.1MHz、912.1MHz和914.1MHz频点的可选载波信号，标签将车号编码信息通过幅度调制加载到载波信号中，反射波经过与载波同频本振信号混频并滤波后得出车号编码信号。该信号经过解码模块解码得出车号信息，研究图像自动采集设备时，本文选#了UP.8001业摄像头+Matrox Metcor】I /Digital图像采集卡的组合。在针对铁路货车两类常见故障的计算机视觉故障自动识别算法方面，采用了计算机视觉（Computer Vision，cv）技术。主要使用了直方图的灰度变换将待检图片进行预处理然后使用Sobel算子对图像进行边缘检测。在故障识别算法的设计中运用了图像投影理论，Hough变换以及Hough逆变换经典算法。铁道部tbr3070-2002铁路机车车辆自动识别设备技术条件》铁路标准为本文依据。

关键诃：车号自动识别系统；RFID;计算机视觉：货车运行故障动态图像检测系统

Abstract
In order to advance railroad modernization, realize the freight train inspection link reduction, promote from the people seized to machine inspection, static detection to dynamic check delete change, improve train inspection efficiency and quality, guarantee of the safe running of the train, the railway train inspection station in urgent need of a can now run a railroad freight car tag identification of important parts, car high speed, clear image acquisition, well resistance /W ..d automatic identification equipment, therefore - Van operation fault dynamic image detection system ( Troubic of Mwmg Frcigjit Car Detection Systcm, TFDS ) born.
This paper mainly introduces the railway freight operation fault dynamic image detection system research process author TFDS system is divided into a front control and data acquisition system and computer vision fault automatic recognition system in two parts, each subsystem is divided into several modules were designed. This paper focuses on the static end control and data acquisition subsystem number identification equipment, automatic image acquisition equipment, as well as on computer vision automatic recognition system for two kinds of common faults of computer vision image automatic recognition are studied. Study of the automatic car number identification equipment, application of radio frequency identification ( RadioFrcquency IdentⅡ ification, RFID ) technology in the microwave reflection modulation and demodulation principle. Where the carrier signal generation module to generate910.1MHz,912.1MHz and 914.1MHz frequency point optional carrier signal, the label will be coding information is loaded into the carrier signal by amplitude modulation, reflection wave with the same frequency of the local oscillator signal carrier mixing and filtering after the coding signal. The signal is decoded by decoding module of vehicle number information, research image automatic collecting device, this paper selected # UP.8001camera +Matrox Metcor ] I /Digital image acquisition card combinations. In two kinds of common troubles in railway freight car computer vision fault automatic recognition algorithm, using computer vision ( Computer Vision, CV ) technology. The main use of the histogram of the gray level transformation will be seized image preprocessing and then use the Sobel operator image edge detection. In a fault identification algorithm for use in the design of the image projection theory, Hough transform and Hough transform algorithm. Ministry of railway tbr3070-2002railway locomotive vehicle automatic identification equipment technical conditions" standard is based on the railway.

The key to: automatic train identification system; RFID; computer vision: Van operation fault dynamic image detection system

目录
摘 要 1
Abstract 2
目录 4
第1章TFDS故障自动检测系统的整体设计 5
1.1系统功能 5
1.2系统组成 5
1.2.1概述 6
1.2.2系统原理 7
1.2.3系统功能 7
1.3系统工作流程 ， 8
1.4安装使用情况 8
1.4.1安装和使用 8
1.4.2重要作用 8
第2章前端控制与采集子系统研究 9
2.1前端控制与采集子系统总体设计 9
2.2车号自动识别设备 10
2.3初末级放大子模块 11
第3章 图像采集设备 12
3.1工业摄像头 12
3.2图像采集卡 13
3.3上位工控机 13
3.4补光光源 14
第4章 计算机视觉故障自动识别子系统研究 15
4.1计算机视觉故障自动识别子系统总体设计 15
4.2心盘螺丝丢失识别算法 16
第5章 系统调试及性能参数 17
5.1车号自动识别设备调试 17
5.2图像自动采集设备调试 19
5.3系统整体联调 20
5.4系统性能参数 23
5.4图片质量 24
5.5设备问题 24
结束语 25
参考文献 27

第1章TFDS故障自动检测系统的整体设计
1.1系统功能
本课题所研究的货车运行故障动态图像自动检测系统(TFDS)，主要负责对一些直接影响列车行车安全的关键部位进行图像采集和自动检测，以弥补传统列检作业方式的不足。
本系统要实现的功能如下：
(1)对行进中的铁路货车的转向架心盘、转向架静J动粱等重点待检测部位进行抓拍，自动生成顺位图像：
(2)自动计轴、计辆；
(3)自动测算车速；
(4)采集车次、车号、车种车型；
(5)对抓拍的重点检测部位照片进行故噔自动识别。
1.2系统组成
TFDS系统主要由检测信息采集设备、信息处理传输设备、列检所检测中心和其他复示终端构成。
检测信息采集设备即轨边探测设备，主要有高速摄像装置、光源补偿装置、车轮传感器、AEI地面天线等组成，主要完成过车检测、光源补偿、图像采集任务。
信息处理传输设备即探测站机房内设备，主要有图像信息采集设备、车辆信息采集设备、交换机、光纤收发器等组成，主要负责对过车信息处理并控制室外设备的正常工作，将采集到的图片进行处理，并将处理后的图像数据传输到列检所检测中心。
列检所检测中心设备由服务器和检测中心室内设备组成。服务器主要完成车辆和图片信息的接收、存储和管理，检测中心主要完成图像信息的显示、故障信息的收集以及工作信息的记录。
其他复示终端有段、局复示中心、部查询终端等，主要起监控、查询、统计等管理作用。
1.2.1概述
我们将整个TFDS检测系统分为前端控制和采集子系统以厦计算机视觉故障自动识别子系统两部分分别进行设计。整个系统的组成及功能框图如图2 1所示。

其中，前端控制和采集子系统主要由车号自动识别设备和图像自动采集设备两部分组成。车号自动识别设备负责自动采集并识别固定在铁路货车底部的标签内的车号信息，统计车轴数和车厢辆数，自动识别车种（客车／货车）、车型：图像自动采集设备负责测算车速，采集货车底部待检部位的图片。计算机视觉故障自动识别子系统包括图像自动识别专用计算机-数据存储服务器和前端窗口计算机群组成。其中，图像自动识别专用计算机负责调用图像预处理算法、图像特征提取算法和故障判断算法程序对保存在数据存储服务器内的图片进行处理和故障判别；数据存储服务器作为Oracic数据库保存所有检测货车的原始数据；窗口计算机群负责为列检值班员提供操作窗口。本系统示意图如下：
1.2.2系统原理
TFDS系统采用了当今的一些新技术：高速摄像、大容量图像数据实时处理、模式识别、计算机及网络等技术。
系统通过布置于钢轨之间的高速相机阵列，拍摄通过列车车辆的转向架、基础制动装置、车钩缓冲装置等车辆关键部位的图像，经计算机处理后传输到室内分析室。室内检车员对抓拍到的图像进行分析、判别有关故障，从而达到动态检测车辆主要技术状态的目的。
1.2.3系统功能
TFDS系统具备图像化监控运行列车关键部位的能力，具备以下功能：
（1）自动拍摄和筛选出车辆转向架、基础制动装置、车钩缓冲、交叉杆底部等部位的图像，实现对车底和侧下部的检测。
（2）通过人机结合的方式对车辆图像信息和过车信息进行分析，判别故障。
（3）室内分析室按一车一档的方式建立并显示图像。
（4）自动对通过列车进行计轴、计辆和测速。
（5）自动识别列车车次、车号信息，判别货车车种车型。
（6）自动生成列检所常用统计报表。
（7）能够实现分散检测、全程追踪、全线联网、信息共享的要求。

1.3系统工作流程 ，
系统首先进行参数的初始化，然后通过安放在轨边的碰钢来探测是否来车，如果磁钢有信号，系统则进入工作状态等待车辆通过，否则继续探剩·在车辆通过的同时，通过磁钢统计车轴数和辆数，车号自动识别设备自动采集和识别车号，然后判断是客车还是货车，如果是客车则返回，是货车则通过测速磁钢测算车辆行驶速度，计算定位数据，图像自动采集设备定位捕捉重点部位图像，然后判断整列车是否已经通过完毕，未完毕返回，完毕则通过上位机处理处理采集到的原始车号、图片等原始数据并通过光纤将数据传至数据存储服务器，接着图像自动识别专用计算机自动处理井识别数据存储服务器中新保存的图像·处理后在窗口机给出信号车辆最新数据和故障车信息，完成接车全过程。完成后，系统进入待机状志。
1.4安装使用情况
1.4.1安装和使用
2004年底，我段在上、下到列检所各安装了一套TFDS，并开始使用。到目前，已经先后在郑北、新乡南、晋北、南阳西、嘉峰等主要列检所安装了11套，按照部、局计划，今年还有8套要安装并投入使用。随着时代的发展，TFDS的使用将会普及到各条线路的所有列检所。
通过近几年的实际运用，在用的TFDS均发现了大量的车辆下部实际故障。尤其是对于区间非技检列车，TFDS正在取代传统列检作业的作用，对车辆进行动态检测，保障着行车安全。
1.4.2重要作用
纵观近几年的使用情况，TFDS系统已经在目前的列检工作中发挥着以下重要作用：
（1）由“人控”向“人机联控”的改变，改变了以往单独由人工作业的方式，提高故障检查的可靠性。
（2）由“室外检查”向“室外室内联检”的改变，减轻了室外作业劳动强度。
（3）由“静态检查”向“动态检测”的改变，更有效地保障运行车辆的安全，同时可以逐步减少区间列检作业，提高运输效率。
（4）便于原因分析、责任追究，通过查询图像、追踪分析以前记录，可以准确地追查出原始列检作业中的漏检漏修情况，便于定责。
本章对系统的功能、组成和工作流程进行了介绍，对TFDS故障自动检测系统进行了整体设计。在对整个系统进行整体了解和设计后，接下来的两章将整个系统分为前端控制与采集系统和计算机视觉故障自动识别系统这两个子系统分别进行研究。
第2章前端控制与采集子系统研究
2.1前端控制与采集子系统总体设计
系统的组成框图如图22所示。前端控制与采集子系统主要由车号自动识别设备和图像自动采集设备两部分组成。其中车号自动识别设备硬件将该设备分为以下几个模块：RF射频模块、解码与控制模块、环行器、天线和标签。其中RF射频模块包括；载波信号生成模块、初末级放大模块、解调模块、信号放大整形模块：解码与控制模块包括；信号实时解码模块、车号上传与控制模块载波信号生成模块负责生成910.1、912.1、914.1MHz可选载波信号，经韧末级放大模块放大后经过环行器并通过收发共用天线发射出去。载波信号被标签内的调制电路调制后附加上了车号信息，反射回天线，经过环行器传送到解调模块进行解调，解调后得到的信号通过放大整形后上传到信号实时解码模块按照编解码标准解出车号信息，车号上传与控控制块将解出的车号信息上传到上位工控机。
图像自动采集设备的硬件框图如图32所示，它包括：工业摄像头、图像采集卡、工控计算机和补偿光源。

工业摄像头用来摄取被检测部位的图像，即将光信号转换成电信号，输出一般为模拟信号或特定格式的数字信号，信号进过图像采集卡处理成指定式的图片，通过PC接口上传并保存在上位工控机内存中，接车完毕后，保存到硬盘内．工业摄像头在拍摄时，补偿光源同时触发，功能与民用相机的闪光灯相同。
2.2车号自动识别设备
车号自动识别设备自动识别车号是使用了微波反射调制解调原理”。标签上反射调制电路的功能框图，数字基带电路产生符合TWI3070.2002标准定义为变形移频键控FSK信号f，输出到微波FET晶体管的栅极·图中的z是一个无源且无耗的反射系数变换网络，当FET沟道阻抗在其栅极信号脉冲的控制下发生变化时，将引起耐络了的负载反射系数的变化，经过网络Z的变换后，造成在天线端口反射系数的变化。不妨设天线端口的反射系数为：r（t）e，r(t)和f（f）分别表示受到调制的反射系数的模和相角·通过选择变换网络Z的参数，使得网络输入端反射系数的模值恒为常数，在反射波上将得到PSK调制信号：同样，如果使反射系数的相位恒为常数，则在反射波上将得到幅度调制信号。反射调制式射频识别系统工作时，阅读器发出微波查询能量信号，电子标签收到微波查询能量信号后将其一部分整流为直流电源供电子标签内的电路工作，另一部分微波能量信号被电子标签内保存的数据信息调制后反射回阅读器。阅读器接收反射回的幅度调制信号．从中提取出电子标签中保存的标识性数据信息。系统工作过程中，阅读器发出微波信号与接收反射回的幅度调制信号同时进行。
接收幅度调制信号的基本原理与同步检波相纠。同步检波器主要用于对抑制载波的双边带调幅波和单边带调幅波进行解调，也可以用来解调普通调幅波，它是由相乘器和低通滤波器两部分组成。同步检波器与包络检波器的区别在于检波器的输入除了有需要进行解调的调幅信号电压外，还必须外加一个频率和相位与输入信号载频完全相同的本地载频信号电u.。经过相乘和滤波后得到原调制信号. 图3.4为同步检波器的方框原理图。

2.3初末级放大子模块
初级放大部分负责对载波信号生成于模块产生的低功率高频载波信号进行放大，以符合后面对标签反射回来的反射波信号进行同步波解调的功率要求：末级放大子模块负责对待发射的载波信号进行束级放大，放大其功率到射频识别距离的要求。射频功率放大器(Power Amplifier，PA)是无线电发送设备的重要组成部分，它的主要任务是将己调制的频带信号放大使其达到足够的功率值，以满足天线辐射的需要或技术指标要求。
射频功率放大器的主要技术指标删有输出功率、功率效率、功率增益、工作频段、输入，输出驻波比等。
(1)输出功翠
放大器的目的就是获得足够高的不失真的输出功率，主要考虑饱和输出功率。即：功率放大器的输入功率加大到某一值后，再加大输入功率并不会改变输出功率的大小，该输出功率称为功率放大器的饱和输出功率。本系统设计时要求初级功放的输出功率不能太高，功率太高电磁辐射也就越大，会影响同一块板上的其他电子器件的功能。功率也不能太低·太低的输出功率再经过功率分离器的分频，可能无法满足同步检波乘法器本地载波信号功率的要求。经过多次实验，确定初级功放的输出功率范围为6dBm16dBm，末级功放的输出功率范围为0.9-1.6W。
(2)功率效率
功率放大器的效率有两种定义方法，一种称为集电极（漏极）效率，另一种称之为功率增加效率（PowcrAdded Efficiency，PAE），它是输出功率P-与输入功率p之差与电源供给功率‰之比，即：
通常使用后者表示功率放大器的效率。功率增加效率PAE的定义中包含了功率增益的因素-当有比较大的功率增益时，p》p，此时-仉nPAE。
功率效率高，单位电源功率就可以获得更多的输出功率。在电池供电系统中，功率效率指标比较重要。本系统由于使用室内AC220V/50Hz电源供电，对功放的功率增加效率PAE要求不高。但从整个系统的电磁稳定度和直流稳压电源供电能力要求考虑，PAE还是越高越好。
(3)功率增益
指放大器输出功率和输入功率的比值，单位常用"dB"。 功放芯片增益越高性能越好·本系统对功放芯片选取时尽量选取高增益的功放芯
片。
(4)工作频段
工作频段是指放大器满足全部性能指标的连续频率范围，放大器的工作带宽往往需要考虑实际的需求·本系统要求功放的稳定工作频率范围覆盖910.iMk、9121MHz和914.1 MHZ三个频点即可，参考频率范围为890MHz915MHZ。
第3章 图像采集设备
3.1工业摄像头
工业摄像头是用来采集图片的设备。其成像单元主要有CCD（电荷耦台器件
Charge Couple Device）和CMOS（互补金属氧化物半导体Complementary Metal-OxideSemiconductor）两种。在相同像素下CCD的成像通透性、明锐度都很好，色彩还原、曝光可以保证基本准确。照片成像质量较CMOS高，故在机器视觉领域通常选用CCD摄像头。
本系统采用的是微视凌志公司的UP-SOO工业摄像头。UP-00是一款最高分辨率为1024x776的数字式摄像头，它使用了逐行扫描隔行传输的技术。具有外部异步采集功能，能够很容易的抓拍高速运动物体的图像。其CCD的方形像素更适合用于处理、测量和分析方面的应用。在最高分辨率下可以实现45FPS的帧率，它的电子快门速度为1/45-1/71000秒．16档可选。支持LVDS数字输出，同时具有模拟输出。信噪比大于58dB。在以780×582像素进行采集时可以实现对时速高于2601un物体清晰的拍摄。它的性能完全符合本系统的要求。
3.2图像采集卡
本系统采用的是Matrox Mctcorll/Digital图像采集卡，它是Matrox MeLcorII高性能低价格系列采集卡中的一款。它可以用RS-422或LVDS差分信号标准，采集黑白，分量RGB，面阵／线阵信号，采样率在LVDS下达到40MHZ。Matrox Meteor.lUl具有专门设计的Matrox Vidco interface ASIC( VIA)。它是一个高级存储控制器，它可以以先进的格式重组方式将数据实时采集到板上内存，使采集到的数据流不须通过CPU而直接将并行数据流导出到PO总线。
总线主控模式可以以每秒高选130MB的速率传输数据而不需要连续占用总线。即使系统同时进行采集、显示、制图、网络接收、磁盘存储、以及外部输入输出，扩展的缓冲功能也可以在高速总线滞后情况下确保图像数据实时传输到主存，PCJ接口还支持图像数据亚采样，以近一步降低对总线带宽的要求。
该卡使用LVDS差分信号标准t1UP-800工业摄像头连接，采集和处理速度完全满足本系统采集运动货车底部图片的要求。
3.3上位工控机
本系统使用的上位机CPU为P4 3.OGHz，1GB内存，160GB硬盘，采用标准工控机箱，搭载Windows20DQ Servcr操作系统，该上位机主要有三个功能：一是根据列车到达传感器信号控制车号自动识别设备的末级功放开关机，并接收保存该设备通过RS232串口上传的车号信息；二是根据测速传感器信号计算车速，从而控制工业摄像头拍照，并保存所拍照片；三是负责将采集到的车号和图片信息对应保存到数据存储服务器的(hacle数据库中。为了实现以上功能，需要在上位机上设计主控制程序。该程序的流程图如图3.28所示。
开关机控制及测速过程如下：
由：1#磁钢、2#磁钢，3#磁钢、4#磁钢及摄像设备等组成。1#磁钢为列车到达传感器，系统根据该磁钢信号控制车号末级功放开关机；2#、3#磁铜为测速传感器；4#磁钢为定位传感器。
2#磁钢和3#磁钢用于测量列车行驶时速。当有一个车轮先后分别通过2#磁钢和3#磁钢时，上位工控机自动记录下此时间差，已知2#磁钢到3#磁钢中心距为L（），则由速度公式：
即可得到列车的行驶时速。
列车继续前行，当车辆的一个转向架上同一侧的两个车轮分别通过4#磁钢时，计算机记录下时间差，再由测算得到的列车车速v，可求得车辆的固定轴距L轴距。
3.4补光光源
光源是影响机器视觉系统输入的重要因素，因为它直接影响所采集照片的质量，和至少30%的应用效果。
传统的补偿光源多为卣钨类灯具，工作时耗电量大，对地面探测站站电源容量要求较高，同时发热量大，环境温壤冷热不均时易损坏-抗振动性能较差，灯丝易断，响应速度较慢，须提前启动电源，“对机车司机的正常行驶判断产生干扰。
本系统使用的系统补偿光源为辽宁海特科技开发公司研制的TFDS系统专用朴光光源。采用多路同步可控高亮冷光源，提前储能，瞬间释放，亮度高，分散式多角度照射能有效减小阴影区域，同时发热量小，节能节电，寿命较长，响应速度极快·在实际拍摄时效果较为理想，能保证照度与图像清晰度。
本章将前端控制与采集子系统分为车号自动识别设备和图像自动采集设备这两个部分分别进行设计。对每个设备又分解成若干模块具体进行软硬件设计。前端控制与采集子系统是整个系统的基础，它为TFDS系统提供了包括货车车号、车厢数目、到车时间、每节货车车厢重要部位图片等原始数据。只有及时准确的采集到这些重要原始数据，整个TFDS系统才能够正常工作。
第4章 计算机视觉故障自动识别子系统研究
4.1计算机视觉故障自动识别子系统总体设计
在之前的TFDS系统中，对故障的检测是由工人用肉眼浏览采集到的图片来完成的。为了进一步降低人工劳动的强度，同时进一步提高故障检测的自动化程度，因此引入基于计算机视觉的故障自动识别。
计算机视觉故障自动识别子系统的组成框图如图41所示。子系统采用星型拓扑结构。数据存储服务器、图像自动识别专用计算机和窗口计算机群通过网络交换机连接在—起。其中作为数据存储服务器的PC设备会被设定个固定的TP其硬盘上设有共享文件夹以保存前端控制与采集子系统上传的车号、图片等重要原始数据。规定图片的保存路径规则如下：服务器硬盘分区(例如D)：11MAOEDATA\it车线路＼年份、月份＼日期＼时：分：秒规定图片的命名为流水号厢编号拍摄位置名称，例如以“014 007转向架”命名的图片表示拍摄的该货车第14张照片，拍摄的第7节车厢，拍摄部位是转向架。该服务器上安装有。racle数据库的服务器端程序。所有车号，车轴数、到车时间等原始数据按照Oracle定义的数据格式进行保存。当新到车辆数据保存完毕后，数据存储服务器会向拓扑结构中的其他计算机发送“新车到达”消息·

4.2心盘螺丝丢失识别算法
计算机视觉的实现的基础理论是数字图像处理。在数字图像处理中，对图像的处理可以分为五十阶段27图像预处理、图像区域分割、图像特征提取、图像特征分析、图像判读。
在本系统设计中，对心盘螺丝丢失和制动梁安全链丢失这两大类故障的图像处理算法进行了设计。两类故障的图像预处理这部分采用了完全相同的基于图像直方图的灰度增强方法psxl。在图像区域分割中主要从图像的特征入手，利用灰度图像的梯度信息29来提取图像的边缘，并从整块图像中分割出我们感兴趣的图像区域。然后根据我们所期望的图像故障特征来分析局部区域，最后根据我们所设计的规则来判断是否存在故障。
列车货车最常见车种的转向架小心盘螺丝拍摄效果图见图4.3.图片中心的那个梯形铸件就是小心盘。正常情况下上面应该有四个固定螺丝。图4 3中所拍摄的部位已经丢失了三个螺丝了，所以呈现出三个形状很完整的黑孔。
在本算法的设计中，要识别螺丝丢失的故障，就是要利用螺丝丢失后所留下的清晰的封闭黑孔特征。先通过图像分割找出梯形铸件所在区域，然后设计一套规则来判断在该区域中是否存在如上图所示的黑孔。如找到黑孔，则认为存在螺丝丢失的故障。
整套算法分为图像预处理、图像分割、图像判读和故障{识{别三个部分，图像预处理是基于直方图的灰度变换实现的，然后利用差分投影理论对图像进行分割，最后根据提取出的故障特征完成识别。

本章对计算机视觉故障自动识别于系统进行了研究。第一节对计算机视觉故障自动识别子系统进行T总体设计，给出了系统的组成、各部分功能及系统工作流程。第二节就详细研究了心盘螺丝丢失和制动粱安垒链丢失识别算法．在对设计过程中用到的经典图像处理算法作了简要概述的基础上，着重阐述丁经典算法应用于本课题的应用方式．这些算法包括：基于直方目的襄度壹换、基于So"算子的图像边缘检测、图像投影理理论 Hou变换以及HoWhi逆变换。对几类经典变换的应用贯穿了整十计算机视觉算法的研究过程。
第5章 系统调试及性能参数
5.1车号自动识别设备调试
由于实验室内条件有限，只要是没有足够的空间和标签加速设备，故无法确切的模拟高速运动铁路车辆的水平直线运动情况。可以用下面的测试方寰进行调试。在调试过程中标签识别距离可以通过调节末级功放的功率来调整·具体方法就是改变MRFIC1859芯片的供电电压值。
在调试过程中，样机的末级功放有时工作不稳定，功率输出时有时无，有时甚至烧毁。经排查，发现MRFIC1859芯片正中央的焊盘接地不良。问题发现后，将焊盘过孔尺寸加大，使焊锡更容易透过。焊接时在焊盘过孔正面和背面都图焊锡，芯片底部接地焊盘也挂锡，挥接后，问题解决。车号自动识别设备各模块的调试在第三章的设计部分已经有所介绍，在此不再说明。下面舟绍测试方案。
测试方案示意图如图5 1所示·在直流电机的驱动轴上固定一根密度均匀的条形铝棒，固定点在铝棒的中点，也是其重心上，将两个货车标签固定在铝棒的两端。直流电机通电旋转带动两个标签旋转。将车号自动识别设备的无线放在标签下面。圈中红外计数器负责计录直流电机旋转的周数。

图中R为直流电机旋转轴中心与标签中心的距离，H为天线表面到标签表面的距离。实验中R可以通过改变标签的固定位置调节．H可以通过改变直流电机的高度调节。
首先给直流电机通电，使其带动标签旋转，给车号自动识别设备通电，红外计数器清零：然后在发射载波信号使能的同时开始计时，红外计数器同时开始计数；上位机通过测试程序进行车号接收和误码统计：最后关闭载波信号发射的同时计时停止，红外计数器同时停止计数，该实验过程中可以得到计时时间t，时间I内直流电机旋转的圈数n。通过公式p。ZrrR！xn，可以计算出标签的线速度v．直流电机的旋转速度可以通过调整电机的供电电吒进行调节。
R取0 5m．H取im，测试时间为t为60s，测试结果如表51所示。

从上表中可以看出该射频识别设备在直流电机低速旋转时识别率较高，当达到60kmfh旋转速度时误码率开始明显增大，到70kn/h时已经是识别的极限速度了。测试程序界面，因为P89V51RD2BN单片机可以倍频使用咀提高其性能，故界面中波特率为57600bps。在14：36：03时经过丁一辆货车，该岔华车速为5-32km/h，编组车辆为65辆，本系统识别出的标签数量也为65个，即此时车号自动识别设备可以实时准确的识别铁路货车车辆标签。
经过列拉车站现场测试，该设备在识别低速货车车辆标签的时候没有发现错读或丢失标签的现象。而在识别高速运行的客车机车或邮政特快货车时表现欠佳，有丢失标签现象发生。
5.2图像自动采集设备调试
对图像自动采集设备的实验室测试方案如图5 4所示。直流电机驱动画有各式图形的旋转轮旋转。用红外计数器记录旋转的圈数。用三脚架固定UP.800工业摄像头。

使镜头对准旋转轮中心线。镜头与旋转轮侧表面的距离为L，L的值选取为实际货车车底要拍是位置与镜头间的距离。工控机内安装有Matrox Meteorll/Digital图像采集卡。摄像头与采集通i过LVDS端口和串口连接。工控机配置也与设计中配置相同。
在试验中，为了得到理想图片，需要不断调节光圈、快门速度、焦距等参数。记录下这些参数，在现场测试中还需要微调。在实验室测试中．UP-800摄像++Mat仃rox MetcorII /Digital图像采集卡组合的表现非常理想。电机模拟车速达到260km/h时，用780×582像素进行采集，图片依然清晰。图片处理和存储速度比较理想。

5.3系统整体联调
本系统在沈西列检车站进行了现场整体联调。在安装好系统软硬件设备后，仔细检查包括电源线、通信光纤、LVDS端口线、RS232串口线等各线缆是否连接好。确认连接无误后，进行前端控制与采集子系统的调试，检查车号、车轴数、拍摄图片等原始数据的准确性和对应情况。根据现场图像自动采集设备拍摄的照片质量调节补偿光源亮度、角度和闪光时间。调整工业摄像头光圈大小、快门速度和焦距等参数。
在前端控制与采集子系统调试完毕的基础上，再进行计算机视觉自动识别予系统的调试。这一部分主要是软件的调试。在调试过种发现7计算机视觉在本课题应用中的“瓶颈”
(1)识别心盘螺丝丢失算法在应用中的“瓶颈”
心盘螺丝丢失故障识别算法的误报和漏报也受图像拍摄质量的影响。但受到图像本身特征的影响更大。上一章已经阐述过心盘螺丝丢失故障识别算法的设计思想：在分割后的局部区域中寻找封闭黑色小圆孔来判断是否存在螺丝丢失。从图5 5中可以看出，小心盘所在部位多了很多类似干扰的小零件，这些不规则的凸起和边缘经设计算法变换后形成了图56所示的局部二值图像区域。由于干扰过多的原因，所以由梯度信息二值化得到的二值图像不再体现设计算法时所设想的规律性，从而造成图5.6中凌乱不堪的分布特征。在凌乱分布的区域中，可能存在不规则的封闭小黑色圆孔，从而会被算法误认为是因为螺丝丢失造成的黑色圆孔，这种缺陪也是算法本身不能避免的。在算法的设计思想和门限值的设定满足90%图像的识别的情况下-只能允许这种误报现象的发生。对于误报，只有通过管理员的肉跟复检来消除。
(2)识别制动粱安全链丢失算法在应用中的“瓶颈”
制动粱安全链丢失故障的识别是存在问题较少的-个算法。由于采用Hough变换来寻找直线和具有铰状特征的直线的交点，所以受噪声影响的干扰较小。同时最后的判据很好的利用了二值化图像中铰链所形成的形态特征，所以暂时没有很严重的漏报现象产生-但通过分析样本图片的形态特征，就算法本身可能存在的缺陷在这里提出一点设想。

从图5 7中可以看出，安全链在图片中已经收缩成很小的一团，用肉眼识别是否断裂脱落都存在一定的困难。所以这可能会给计算机识别造成一定的难度。但在本倒中，利用Hough变换还是准确地找到了制动粱边缘和安全链的交点，所以没有产生误报现象。但是不排除在以后的应用中，如果安全链在图中的面积比再小一点，那么那个部位的亮度也会变得更加偏暗，则根可能掩盖掉铰链在图中的特征，造成算法失效。这个问题一旦发生，也是算法车身所无法解决的，也只有通过提高拍摄图像本身的质量来解决。

目前的计算机视觉在实际应用中存在很多无法识别的形态，而且在形态相似的故障的识别中，也存在算法不能完全通用和兼容的情况。结合本课题来讲，就是说由于图片在拍摄过程中混入了很多的环境噪声和干扰，可能覆盖算法所依赖的故障特征或者添加进干扰特征提取的噪声特