原文传递
高速铁路扣件弹条裂缝检测算法研究
| 论文题名： | 高速铁路扣件弹条裂缝检测算法研究 |
| 关键词： | 高速铁路;扣件弹条;裂缝检测 |
| 摘要： | 扣件弹条是与高速列车直接相互作用的重要设施，扣件弹条疲劳断口、失效严重影响高速列车的安全运营。现阶段的扣件弹条检测多采用人工巡检方式，这种检测方法不仅效率低下，而且检测错误率高，因此急需快速有效的扣件弹条检测算法和检测设备。由此可见，研究高速铁路扣件弹条裂缝快速检测算法对高速铁路的安全运营具有十分重要的意义。 本文基于扣件弹条裂缝的形态特征提出了一种基于相位一致性的扣件弹条裂缝检测方法，该方法首先利用霍夫圆检测实现扣件弹条上方圆形螺母位置定位，然后根据圆形螺母与易断裂区域的相对位置不变性，来实现易断裂位置的局部区域提取。接着对易断裂区域进行相位一致性检测与阈值分割，并通过形态学处理消除虚假裂缝与噪声，最后对二值化图像进行垂直投影，并将投影得到的特征矩阵输入支持向量机分类器进行训练与测试，实现扣件弹条裂缝的检测。本文利用实际铁轨巡检车采集的1500张真实图像进行实验，基于相位一致性特征的扣件弹条裂缝检测方法准确率能够达到87.47％，相比传统的图像边缘检测算法Sobel、Canny，表现出更强的鲁棒性和更高的检测率。 其次，本文研究了传统特征设计方法的不足，在此基础上提出了另一种基于卷积神经网络的扣件弹条裂缝检测方法。由于卷积神经网络的训练需要大量数据，本文手工标记了数据集图像中的裂缝，构建了扣件弹条裂缝图像数据集，并利用训练好的卷积神经网络以滑动窗口的方式检测图像中的裂缝。另外，本文针对卷积神经网路检测结果的不足提出了优化方法，利用基于HOG特征的SVM分类器对卷积神经网络的检测结果进行优化，大大增强了检测算法的鲁棒性。本文实验中利用实际铁轨巡检车采集的1500张图像对该方法的有效性进行验证，改进的CNN检测方法能够达到91.73％的准确率。因此，本文提出的方法相对传统识别算法更适用于高速铁路扣件弹条裂缝的检测。 |
| 作者： | 李学瑜 |
| 专业： | 通信与信息系统 |
| 导师： | 陈小宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中师范大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
