轨道部件图像检测系统设计

• 作 者: 李彧
• 机 构: 南昌大学
• 出 处: 南昌大学
• 发表日期: 2012年期
• 关键词: 轨道部件 图像检测 计算机视觉 缺陷提取 扣件识别 系统开发

轨道部件状态检测是保障铁路运输安全的重要手段之一,利用计算机视觉技术、图像处理技术和模式识别技术研制的轨道部件自动检测系统可用来替代传统人工巡检,为轨道检查提供更有效、更经济的途径,节省人力物力资源的同时提高检测速度和精度。　　
根据系统的运行环境和性能指标,对关键设备进行选型,进而搭建适合轨道图像采集系统硬件平台。在此基础上,设计缺陷识别系统的软件实施方案,重点分析并改进钢轨表面缺陷及扣件缺失检测算法,主要包含轨道图像目标区域提取和缺陷特征识别两部分。　　
轨道图像目标区域提取是缺陷检测的必要前提。针对钢轨表面缺陷区域提取,提出基于轨道峰区检测的自适应二值图像投影法快速提取钢轨表面区域。针对扣件缺失区域提取,利用各向同性Sobel垂直边缘检测算子和Hough变换对预处理后的轨道二值图像进行垂直边缘检测,采用扣件边缘直线从外到内逼近的方式实现扣件区域的快速搜寻。　　
在目标区域提取的基础上,进行缺陷特征识别。针对钢轨表面缺陷识别,采用内部点掏空算法和链码跟踪算法提取并存储缺陷目标轮廓信息,同时计算缺陷目标的面积、周长和长宽比等特征参数,根据这些参数实现钢轨表面横向裂纹、纵向裂纹以及剥落掉块的初步分类。针对扣件缺失识别,提出一种改进的基于梯度的方向场估计算法,利用该算法清晰地描绘出扣件的纹理走向,采用方向图模版匹配和支持向量机分类算法实现扣件状态的识别和分类。　　
应用Matlab对检测算法的可靠性及有效性进行验证,结果表明,以上算法可快速、准确检测钢轨表面缺陷及扣件缺失情况,可满足系统提出的无漏检、在线粗识别与离线精确识别相结合等技术要求。最后结合OpenCV图像处理模块,采用VisualC++6.0编写系统软件,从而实现轨道部件状态的自动检测。