论文部分内容阅读
随着现代铁路技术的快速发展,对铁路轨道进行定期检测的重要性与日俱增。传统的轨道检测依赖于人工巡检,该方式已无法适应铁轨表面缺陷的高速和精确自动化检测的趋势。论文以铁轨为研究对象,提出了一种在线自动检测铁轨表面缺陷的机器视觉检测系统,能够快速和准确地检测、识别铁轨表面的缺陷,具有十分广阔的应用前景。论文首先阐述了铁轨缺陷检测研究的背景,说明了检测铁轨表面缺陷的必要性。通过分析其国内外研究的现状与发展趋势,提出了基于机器视觉的检测方法。其次,详细分析了铁轨表面缺陷产生的原因及影响,提出了铁轨表面缺陷检测系统的功能与性能要求。结合机器视觉的通用模型和铁轨表面缺陷的相关特性,设计了铁轨表面缺陷的机器视觉检测系统的总体结构及其实验仿真平台,用于验证算法的有效性。接着,分析了光源、照明方式、以及镜头的类型和选取方法,并详细阐述了相机的类型与参数计算。为了在高速情况下获取分辨率一致的轨道图像,系统使用高速线阵CCD相机加线阵光源的光学成像系统。然后,根据铁轨表面图像中缺陷区域的相关特性,对铁轨表面缺陷检测算法进行了详细分析,能够从铁轨表面图像中标注缺陷区域。1)在图像预处理阶段,为了减少后继处理的运算时间,本文利用水平投影法来提取轨面区域。2)在缺陷快速检测阶段,针对缺陷区域形态复杂而非缺陷区域灰度稳定的特点,设计了一种组合算法,即将基于灰度补偿的方法和基于顶帽操作的方法组合起来,用于快速搜索缺陷区域,并通过判断异常区域是否存在,来决定是否对图像进行后继的处理。3)在精确定位缺陷阶段,论文使用了数学形态学算法对铁轨表面二值图像进行孔洞填充、缺陷区域标记和缺陷区域提取,并且使用了开操作粘合单个分裂或呈喷雾状的缺陷区域。最后的实验结果表明本算法能快速、准确地检测出大部分铁轨表面缺陷,具有一定的有效性、合理性和精确性。最后,将缺陷区域的相关特征提取出来,并从中选择最有效的特征,再使用训练好的BP神经网络识别缺陷的类型。实验结果表明该分类算法可以准确、快速地识别疤痕和波纹擦伤这两种铁轨表面缺陷,满足系统实时性和准确性的要求。