鐵軌表面缺陷的視覺檢測算法研究.pdf

1、隨著現(xiàn)代鐵路技術的快速發(fā)展，對鐵路軌道進行定期檢測的重要性與日俱增。傳統(tǒng)的軌道檢測依賴于人工巡檢，該方式已無法適應鐵軌表面缺陷的高速和精確自動化檢測的趨勢。論文以鐵軌為研究對象，提出了一種在線自動檢測鐵軌表面缺陷的機器視覺檢測系統(tǒng)，能夠快速和準確地檢測、識別鐵軌表面的缺陷，具有十分廣闊的應用前景。
　　 論文首先闡述了鐵軌缺陷檢測研究的背景，說明了檢測鐵軌表面缺陷的必要性。通過分析其國內外研究的現(xiàn)狀與發(fā)展趨勢，提出了基于機器視覺

2、的檢測方法。
　　 其次，詳細分析了鐵軌表面缺陷產生的原因及影響，提出了鐵軌表面缺陷檢測系統(tǒng)的功能與性能要求。結合機器視覺的通用模型和鐵軌表面缺陷的相關特性，設計了鐵軌表面缺陷的機器視覺檢測系統(tǒng)的總體結構及其實驗仿真平臺，用于驗證算法的有效性。
　　 接著，分析了光源、照明方式、以及鏡頭的類型和選取方法，并詳細闡述了相機的類型與參數(shù)計算。為了在高速情況下獲取分辨率一致的軌道圖像，系統(tǒng)使用高速線陣CCD相機加線陣光源的光學

3、成像系統(tǒng)。
　　 然后，根據(jù)鐵軌表面圖像中缺陷區(qū)域的相關特性，對鐵軌表面缺陷檢測算法進行了詳細分析，能夠從鐵軌表面圖像中標注缺陷區(qū)域。1）在圖像預處理階段，為了減少后繼處理的運算時間，本文利用水平投影法來提取軌面區(qū)域。2）在缺陷快速檢測階段，針對缺陷區(qū)域形態(tài)復雜而非缺陷區(qū)域灰度穩(wěn)定的特點，設計了一種組合算法，即將基于灰度補償?shù)姆椒ê突陧斆辈僮鞯姆椒ńM合起來，用于快速搜索缺陷區(qū)域，并通過判斷異常區(qū)域是否存在，來決定是否對圖像進行

4、后繼的處理。3）在精確定位缺陷階段，論文使用了數(shù)學形態(tài)學算法對鐵軌表面二值圖像進行孔洞填充、缺陷區(qū)域標記和缺陷區(qū)域提取，并且使用了開操作粘合單個分裂或呈噴霧狀的缺陷區(qū)域。最后的實驗結果表明本算法能快速、準確地檢測出大部分鐵軌表面缺陷，具有一定的有效性、合理性和精確性。
　　 最后，將缺陷區(qū)域的相關特征提取出來，并從中選擇最有效的特征，再使用訓練好的BP神經網絡識別缺陷的類型。實驗結果表明該分類算法可以準確、快速地識別疤痕和波紋擦