详情

原文传递基于图像的轨道表面缺陷识别研究

论文题名：	基于图像的轨道表面缺陷识别研究
关键词：	列车安全;运行轨道;图像处理;缺陷提取;特征选择;RBF神经网络
摘要：	列车安全与高效的发展建设中，列车的运行轨道是一个薄弱环节，机车车辆和列车在钢轨上运行，钢轨直接承受机车车辆和列车车轮传来的压力，并且铁路线路要经过各种复杂的地理环境，再加上热胀冷缩等因素的影响，钢轨表面就会出现疤痕、裂缝以及波纹擦伤等缺陷，甚至钢轨内部会出现裂缝等。如果列车运行中的现役钢轨表面出现缺陷却不加以重视，就有可能发展为钢轨内部损伤，直至会导致钢轨断裂，列车脱轨，影响列车运行安全。因此对铁路的线路维护和保证列车安全运行而言对钢轨表面进行缺陷检测和识别具有重要的意义。　　目前，对钢轨表面缺陷检测比较成熟的方法有超声波检测、涡流法检测以及目视法等方法，这三种方法主要靠人工巡检，其具有检测速度慢、检测精度低以及对巡检人员的安全存在隐患。基于图像的轨道表面缺陷检测方法具有高速度、高精度和高自动化等特性，随着计算机技术的提高和机器视觉技术的兴起，科研院校和研究机构开始应用图像处理技术检测轨道表面缺陷。在现代化铁路高速发展的背景下，研究基于图像的轨道表面缺陷检测识别更加具有现实意义和广大市场。　　论文以列车运行的钢轨为研究对象，将图像处理和模式识别方面的知识相结合，提出一种基于图像的轨道表面缺陷识别方法，通过对采集到的轨道图像进行处理分析，确定是否存在缺陷，并且对缺陷进行识别分类，　　论文首先阐述了课题研究的背景和意义，说明了钢轨表面缺陷检测识别对列车运行安全的重要性;对国内外基于图像的轨道检测研究现状进行了综述，并对相关技术研究进行了分析和总结。　　其次，对采集到的轨道图像完成了图像预处理。利用直方图均衡化对轨道图像进行了图像增强，增加了轨道轨面和非轨面部分的对比度;应用中值滤波、自适应维纳滤波以及均值滤波进行轨道去噪仿真，通过对比滤波效果选用自适应维纳滤波对轨道图像进行去噪;利用轨面的像素值和非轨面像素值不同的特点确定了轨面裁剪坐标，提取了钢轨的轨面区域，为轨道表面缺陷的定位和标记奠定了基础。　　然后，完成了钢轨轨面的缺陷的标记与提取。选用基于标记控制的分水岭图像分割算法，利用MATLAB仿真工具对轨道表面存在的缺陷进行了分割提取，并用形态学图像处理方面的知识消除了缺陷分割提取出来后存在的毛刺等虚假边缘;根据分割出的目标缺陷，对其进行标记，提取出单个缺陷的二值图像和灰度图像。　　最后，完成了轨道表面缺陷的特征提取与选择以及用径向基函数神经网络设计了轨道表面缺陷分类器。对缺陷特征进行表示和描述，计算出了轨道表面缺陷的特征值，并对比后选择了缺陷的矩形度特征、致密度特征、离心率特征以及灰度均值特征作为分类器设计时的输入项。根据选取的缺陷特征和缺陷类别，设计了分类器的输入和输出表示;用轨道表面缺陷组成的训练样本对基于径向基函数神经网络的缺陷分类器进行训练，训练结束后再用轨道表面缺陷组成的测试样本对分类器进行测试，根据MATLAB仿真结果该分类器算法可以准确、快速的识别轨道表面缺陷的种类。
作者：	李永基
专业：	控制理论与控制工程
导师：	魏文军
授予学位：	硕士
授予学位单位：	兰州交通大学
学位年度：	2017
正文语种：	中文