原文传递
基于图像的铁路扣件缺陷检测算法研究
| 论文题名： | 基于图像的铁路扣件缺陷检测算法研究 |
| 关键词： | 图像处理;铁路扣件;AdaBoost算法;模式识别;缺陷检测 |
| 摘要： | 铁路扣件是铁路线路的重要部件，良好的扣件状态是维系铁路运输安全的重要保障，扣件缺失或断裂会对铁路行车安全形成巨大威胁甚至酿成重大交通事故。现阶段，我国铁路线路扣件状态的检测还主要采用人工沿铁路目测的方式，但是这种人工目测方式效率低下，缺乏客观性，检测结果依赖于巡道工人的技术熟练程度。随着我国铁路运输向高速、重载方向发展，包括扣件缺陷在内的线路缺陷日益增多，人工检测扣件状态已不能满足现代铁路运输安全的要求。因此，铁路扣件状态的自动化检测是铁路事业发展必须面对的问题。当今国际上普遍采用图像处理技术实现扣件状态的自动检测。基于图像的扣件缺陷检测技术可以提高检测性能，减少检测时间以保证更高频率的线路检测，具有经济、高效、自动化程度高、适应能力强等优点。 本文主要研究基于图像处理技术的扣件缺陷检测算法，主要工作如下： 针对现有扣件定位算法的不足，设计了一种自适应“十字交叉”法来定位扣件区域，即通过钢轨下边缘和轨枕中心线的交点来定位扣件区域，该算法能克服现有定位算法的不足，不受光照和线路曲线的影响，具有很强的鲁棒性和稳定性。 介绍了模板匹配算法的概念和理论；根据我国所用扣件的特定形状，设计了标准扣件模板，并利用模板匹配技术实现了对扣件目标的精确提取；根据模板匹配系数实现扣件状态的初步分类，大大降低了后续扣件状态分类的工作难度和识别时间。 阐述了Haar-like矩形特征的表示方法和特征值求取过程，并且引入积分图像快速计算矩形特征，大大减少了计算大量矩形特征的运算量，提高了分类器的训练和识别速度。针对扣件特定目标引入了由单个矩形表示的矩形特征。设计了扣件状态识别算法，具体包括基于AdaBoost算法的强分类器设计、基于单矩形特征的弱分类器设计、基于模板匹配系数的弱分类器设计，实现了对扣件完好、丢失和断裂三种状态的识别。 建立了针对扣件状态识别的训练样本库和测试样本库。在matlab平台上对扣件定位算法进行了测试，程序实现了分类器并对分类器进行了训练和测试。实验表明，本文设计的基于图像处理的扣件状态识别算法能满足实际应用的要求。 |
| 作者： | 范宏 |
| 专业： | 机械电子工程 |
| 导师： | 李柏林 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
