论文部分内容阅读
长期以来,列检基本依靠检车员"手摸、锤敲、眼看、耳听、鼻闻"完成,效率低下,劳动强度大,且作业质量难以保证.货车故障轨边图像检测系统(TFDS)正逐步取代传统人工列检,效率仍然较低.本项目研究了几何模型辅助的零件图像识别方法、零件层次特征提取与多维故障特征的解耦理论、车辆故障知识表达与混合推理机制、基于过车分类信息的并行优化方法等，设计了适应多车型、多故障并行推理与自动识别的货车故障轨边图像检测系统，以推进列检由人机结合向计算机全自动检测模式转变，同时为机器视觉理论与技术应用于其他产品质量检测和故障诊断领域提供理论支持。针对车辆零部件空间分布的层次性，提出了角度与尺度混合描述子、改进高度函数的形状描述子，设计了基于这些形状描述子、几何形状特征以及不变距等的零部件特征提取与匹配算法。同时，研究了基于Relief算法的多维故障特征选择方法以剔除冗余特征，在保证零件识别正确率的基础上显著提高了检测效率。