原文传递
轨道缺陷自动检测系统的图像处理技术研究
| 论文题名： | 轨道缺陷自动检测系统的图像处理技术研究 |
| 关键词： | 轨道检测;图像处理;缺陷提取;扣件识别;BP神经网络;PCA降维 |
| 摘要： | 钢轨探伤和扣件检测是铁路基础设施检测工作的重要内容，钢轨表面出现缺陷以及扣件缺失会对行车安全构成巨大威胁。基于视频图像处理的轨道缺陷自动检测系统的研制为自动、实时地检测铁路缺陷提供了有效手段。 本文主要针对轨道缺陷自动检测系统的图像处理技术进行研究，所做的工作如下: 根据缺陷检测的目标和要求，对图像采集系统的主要设备进行了分析选型研究、对缺陷自动检测系统的软件功能模块进行了分析设计。 钢轨和扣件的正确提取是系统缺陷检测的重要前提。本文针对现有定位算法的不足，提出了基于区域亮点统计的算法定位钢轨和轨枕的边缘，从而提取出钢轨区域，并利用扣件相对位置的先验知识实现扣件的定位提取。 对裁剪出的钢轨区域通过阈值分割，形态学处理，可以首先排除正常钢轨的情况;对存在缺陷的钢轨进行缺陷提取，计算了缺陷的质心、面积、周长、长宽比等特征参数，利用神经网络分类器实现了对疤痕和裂纹这两种缺陷的分类。 对裁剪出的扣件区域利用PCA降维方法提取扣件图像的特征，大大减少扣件识别的运算量。建立了扣件模式识别的训练图库和测试图库，利用最近邻域分类器实现了扣件缺失状态的识别。 本文对上述算法基于matlab软件进行了实验验证。结果表明:本文的钢轨和扣件提取算法具有很强的稳定性，不受光照不均匀和钢轨倾斜的影响，能够快速准确地提取出钢轨和扣件区域;本文的钢轨表面缺陷检测算法，能够排除正常的钢轨，设计的BP神经网络可以有效识别缺陷钢轨的表面疤痕和裂纹缺陷;PCA降维和最近邻域法可以快速有效识别扣件的缺失状态，并且具有一定的鲁棒性。 |
| 作者： | 吴梦 |
| 专业： | 精密仪器及机械 |
| 导师： | 陈建政 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
