Документ описывает систему распознавания поверхностных дефектов рельсов, основанную на анализе оцифрованных изображений и использовании нейронных сетей для классификации дефектов. Включает описание библиотек дефектов, алгоритмов, методов обработки изображений и критериев качества диагностики. Также обсуждаются аппаратные и программные компоненты системы, ограничения на скорость распознавания и требования к коррекции изображений.

1. ЗАДАЧА РАСПОЗНАВАНИЯ ПОВЕРХНОСТНЫХ ДЕФЕКТОВ РЕЛЬСОВ Исходные данные и условия задачи: 1) Множество характерных фрагментов оцифрованных изображений поверхности дефектных и бездефектных участков рельсов. 2) Библиотека поверхностных дефектов рельсов (волосовина, раскатанный пузырь, раскатанная трещина, плена, рванина, риски). 3) Описание действующей системы визуального контроля качества рельсов, применяемой в ОАО «НКМК». 4) ГОСТ 21014-88 «Прокат черных металлов. Термины и определения дефектов поверхности», атласы дефектов, технологические инструкции производства рельсов и их приемки. 5) Описание определяющих факторов, обуславливающих возникновение поверхностных дефектов. 6) Методы и алгоритмы выделения информативных признаков и классификации Я.З. Цыпкина, Ю.И. Журавлева, В.А. Сойфера, А.Л. Горелика, Дж.Ф. Люггера, К. Фу, Р. Дуда, П. Харта. 7) Аппарат искусственных нейронных сетей (ИНС): многослойный персептрон, алгоритм обратного распространения ошибки, алгоритм Левенберга-Марквардта, алгоритм сопряженных градиентов, алгоритм быстрого распространения, радиальная нейронная сеть, алгоритм Линде-Бузо-Грея, самоорганизующаяся сеть Кохонена. 8) Практический опыт специалистов-экспертов (опытных контролеров), квалифицированно решающих задачу распознавания дефектов неподвижного рельса. 9) Методика построения продукционной модели представления знаний: IF (условие), THEN (действие). 10) Программный продукт разработки экспертных систем, поддерживающих работу в сети Internet – Exsys CORVID . 11) Типовые факторы, искажающие изображение фрагментов рельса (масляные пятна, сдвиг, поворот, вибрация). 12) Критерий качества распознавания – отношение количества правильно опознанных объектов к их общему числу в партии. 13) Ограничения: диагностические решения должны приниматься с упреждением на время, достаточное для нанесения отметок на дефектные участки рельса; скорость движения рельса по рольгангу в зоне контроля не должна превышать 3 м/с. Требуется разработать методическое, алгоритмическое и программное обеспечение системы распознавания дефектов рельсов, перемещаемых рольгангом, учитывающей заданные ограничения и обеспечивающей максимум правильно опознанных дефектов. 1

2. ПРОЦЕДУРА РАСПОЗНАВАНИЯ ПОВЕРХНОСТНЫХ ДЕФЕКТОВ РЕЛЬСОВ В ПОТОКЕ ПРОИЗВОДСТВА ПАТЕНТ НА ИЗОБРЕТЕНИЕ (RU 2426069 C1) 2 3. Сканирование поверхности рельса с помощью восьми видеокамер и специальной подсветки Разбиение каждого видеосигнала на последовательность непересекающихся видеокадров (цифровых изображений) Представление i -го цифрового изображения в цветовой модели RGB (то есть получение 24-разрядного рисунка) Минимаксное нормирование изображения Преобразование полученного цветного изображения в изображение с нулевым контрастом Получение признака путем суммирования бинарных кодов цвета пикселов по строкам и столбцам Отнесение отдельного изображения к одному из типов дефекта с учетом дополнительной информации (например, маркировки рельса) Тип дефекта установлен с заданной точностью? Адаптивная бинаризация изображения («1» – черный цвет пикселя, «0» – белый) Элиминирование факторов, искажающих изображение фрагментов рельса Оценивание принадлежности дефекта k -му классу, путем подачи на входы ИНС выделенного признака Проверка условия присутствия дефекта на поверхности рельса Визуальный осмотр оператором-контролером дефектного участка натурного рельса и его цифрового бинаризованного изображения Запуск ЭС распознавания поверхностных дефектов, использующей продукционную модель представления знаний Тип дефекта установлен с заданной точностью? или Количество повторений больше максимального? Обработаны все изображения рельса? Сшивка соседних кадров, имеющих дефект, расположенный на их границе Все ли варианты кадров рассмотрены? Расчет координат и параметров дефекта Регистрация координат и параметров дефектов рельса Все ли поверхности данного рельса обработаны? да да 1. 4. 6. 7. 8. 14. 5. да нет 10. нет да нет нет 19. да 2. 13. 16. 11. начало конец нет 12 . 9 . 18 . 21. 20. 15. да нет 17.

3. 3 ПРИМЕР ОЦЕНИВАНИЯ ИНФОРМАТИВНОГО ПРИЗНАКА Л3 Л2 Л1 П3 П2 П1 Н1 В1 X j (i) – сумма кодов цвета пикселей по строкам и столбцам ( выделенный признак ) ; j – номер строки (j =1 , … , 96) и столбца (j = 9 7, … , 192) черно-белого изображения; i – номер наблюдения (изображения) В1 и Н1, Л1 ÷ Л3 и П1 ÷ П3 – верхняя и нижняя, левые и правые видеокамеры СХЕМА РАСПОЛОЖЕНИЯ КАМЕР, ОБЕСПЕЧИВАЮЩИХ «ДВУХ-» И «ТРЕХГЛАЗИЕ» Первое наблюдение ( i = 1 )

4. ФУНКЦИОНАЛЬНАЯ СТРУКТУРА ИНС ВЭ 1 , …, ВЭ 192 – входные нормирующие и распределяющие сигналы элементы, НПС 1 , …, НПС 100 – нейроны промежуточного слоя, ВН 1 , …, ВН 8 – выходные нейроны 4 Структура многослойного персептрона где X j (i) – сумма кодов цвета пикселей по строкам, столбцам ( выделенный признак ) ; j – номер строки, столбца черно-белого изображения; i – номер наблюдения (изображения) ; Y p (i) – оценка принадлежности i -го поверхностного дефекта рельса p- му классу; p = 1 , … , 8. Структура радиальной нейронной сети , , – соединительные элементы Структура сети Кохонена ВЭ 1 ВЭ 2 ВЭ 1 92 ВН 1 ВН 2 ВН 8 Х 1 ( i ) Х 2 ( i ) Х 192 ( i ) Y 1 ( i ) Y 2 ( i ) Y 8 ( i ) . . . . . . . . . . . . НПС 1 НПС 2 НПС 10 0 НПС 100 НПС 2 НПС 1

5. ФРАГМЕНТ ОБУЧАЮЩЕЙ ВЫБОРКИ ИНС 5 1 2 3 4 8 5 6 7 Плена 1 Плена 2 Плена 3 Плена 4 Плена 5 Плена 6 Раскат. трещина Раскатанный пузырь

6. Наблюдение № 1 Плена из класса № 1 Наблюдение № 2 Плена из класса № 2 Наблюдение № 3 Плена из класса № 3 Наблюдение № 4 Плена из класса № 4 Наблюдение № 5 Плена из класса № 6 Наблюдение № 6 Раскатанная трещина из класса № 7 Наблюдение № 7 Раскатанная трещина из класса № 7 Наблюдение № 8 Раскатанный пузырь из класса № 8 Наблюдение № 9 Раскатанный пузырь из класса № 8 ПРИМЕР РАБОТЫ ИНС НА КОНТРОЛЬНОЙ ВЫБОРКЕ 6

7. ОПИСАНИЕ ПРИЗНАКОВ ПОВЕРХНОСТНЫХ ДЕФЕКТОВ 7 200 ÷ 300 мм 2000 ÷ 25000 мм 200 ÷ 300 мм 2000 ÷ 25000 мм 150 ÷ 1000 мм 150 ÷ 700 мм Протяжен-ность 2,0 ÷ 6,0 мм 0,4 ÷ 6,0 мм 0,5 ÷ 6,0 мм 0,5 ÷ 5,0 мм 0,3 ÷ 1,5 мм 0,3 ÷ 1,5 мм Глубина … … … … … … … Темно-серый Темно-серый или черный Темно-серый Черный или темно-серый Темно-серый Светло-серый, темно-серый или коричневый Цвет Разрывы с широким раскрытием и малой протяжен - ностью. Продольный прямо - угольный или треугольный дефект в виде канавки без выступа кромок с закруглен - ным или плоским (чашеобраз - ным) дном. Отслоение металла языко-образной или прямо - угольной формы, соединенное с основным металлом одной стороной. Узкий продольный разрыв металла, более широкий у поверхности и сужающийся вглубь, с плотно сжатыми стенками, вытянутый вдоль направления деформации. Прямолиней - ная тонкая продольная несплош-ность с плотно сжатыми краями. Нитевидные несплош-ности в форме прерывистых или непрерывных поверхност- ных линий. Геометри-ческая форма Характер-ное графи-ческое изображе-ние дефекта Рванина Риски Плена Раскатанная трещина Раскатанный пузырь Волосовина Поверхностные дефекты рельсов Признаки, характери-зующие дефекты

8. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ В СРЕДЕ EXSYS CORVID Окно переменных Окно логических блоков Интерфейс пользователя системы Окно вывода результата распознавания 8 Изображение дефектного участка рельса на посту оператора-контролера