原文传递
基于机器视觉的钢轨表面缺陷识别研究
| 论文题名： | 基于机器视觉的钢轨表面缺陷识别研究 |
| 关键词： | 铁路钢轨;表面缺陷;机器视觉;图像识别 |
| 摘要： | 铁路运输系统正在朝高速、高密度、高负载的方向发展，保证铁路系统的安全运营变得越来越重要。钢轨表面缺陷是引起铁路交通事故的重要原因，及时而有效地对缺陷钢轨进行维护能极大地减少交通事故的发生。近年来，计算机图像处理技术的快速发展为钢轨表面缺陷检测提供了新的技术手段，是钢轨无损检测的新发展方向。由于钢轨表面缺陷呈随机分布、大小不一、分布不连续的特点，同时由于光照不均、轨面锈迹、噪声等因素影响，钢轨缺陷检测存在一定困难。根据不同成像条件下钢轨缺陷的成像情况，本文给出了两种检测方法。 在实验室模拟成像的情况下，给出了一种基于局部非线性对比增强算法和改进的最大熵阈值分割法的钢轨缺陷检测方法。局部非线性对比增强算法能提高钢轨表面图像的对比度，抑制干扰信息;通过最大化钢轨图像的目标熵的方法改进最大熵阈值分割模型，能提高分割效果，减少算法复杂度;利用形态学方法对阈值分割后的图像进行后期处理，能够准确地定位到钢轨缺陷部分。在实验室模拟成像系统中检测正确率达到了91.9％。 根据室外实际情况中钢轨成像特点:表面干扰区域多、成像复杂度高、缺陷区域无明显特征等，给出了一种基于灰度梯度共生矩阵以及最大熵模型的钢轨缺陷提取方法，该方法使用灰度梯度共生矩阵统计钢轨表面图像灰度梯度二维数字特征，以图像最大熵模型对共生矩阵进行计算最佳分割门限，利用形态学方法对区域分割后的二值图像进行后期处理，能够准确地定位复杂钢轨表面下钢轨的缺陷部分。 |
| 作者： | 许文达 |
| 专业： | 电路与系统 |
| 导师： | 陈后金 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
