基于機(jī)器視覺的鐵路扣件缺陷檢測(cè)方法研究.pdf

1、近年來(lái)，由于列車向高速、重載的方向迅速發(fā)展，因此，對(duì)鐵路線路的維護(hù)工作也提出了更高的要求。傳統(tǒng)的人工檢修方法對(duì)于當(dāng)今現(xiàn)代化鐵路安全自動(dòng)維護(hù)的需求而言已經(jīng)過時(shí)。現(xiàn)場(chǎng)數(shù)據(jù)調(diào)查可知，一旦鐵路扣件缺陷連續(xù)存在3個(gè)以上就有可能導(dǎo)致列車脫軌事故的發(fā)生。然而，由于技術(shù)的欠缺，目前，在現(xiàn)場(chǎng)大多數(shù)路段對(duì)扣件缺陷的檢測(cè)方法仍舊需要依靠工人沿線路巡查，該方法已不能滿足定期檢修的需要。另外，工人的安全也不能得到有效的保障。因此，該方法已無(wú)法保障為列車的高速運(yùn)行

2、提供一個(gè)安全可靠的線路環(huán)境。在此種環(huán)境下，研發(fā)一種可靠、通用的自動(dòng)對(duì)鐵路扣件缺陷檢測(cè)的方法就顯得尤為重要。
　　針對(duì)現(xiàn)有鐵路扣件缺陷檢測(cè)方法存在的不足，本文在機(jī)器視覺和圖像處理的基礎(chǔ)上，初步實(shí)現(xiàn)了扣件缺陷的自動(dòng)檢測(cè)與分類，并設(shè)計(jì)了基于機(jī)器視覺的鐵路扣件缺陷檢測(cè)系統(tǒng)的軟件界面平臺(tái)。首先，對(duì)獲取的幀圖像進(jìn)行預(yù)處理，對(duì)灰度圖像進(jìn)行灰度化，減少圖像的信息量。通過對(duì)圖像去噪和增強(qiáng)處理，減少了圖像傳輸過程中對(duì)圖片質(zhì)量的影響，提高圖像的清晰度與

3、對(duì)比度。針對(duì)扣件定位差的問題，利用 LSD(Line Segment Detector,直線提取)算法實(shí)現(xiàn)扣件枕肩位置的準(zhǔn)確定位，結(jié)合圖像的邊緣特征圖實(shí)現(xiàn)扣件鋼軌區(qū)域的準(zhǔn)確定位，利用鋼軌邊緣位置與枕肩位置的結(jié)構(gòu)信息關(guān)系，對(duì)扣件區(qū)域?qū)崿F(xiàn)最終的準(zhǔn)確定位。最后，利用融合分層LBP(Local Binary Pattern,局部二值模式)和分層HOG(Histogram of Oriented Gradient,方向梯度直方圖)特征提取算法對(duì)視

4、頻流中定位后的各類扣件提取特有的特征，并將此特征數(shù)據(jù)作為扣件分類器訓(xùn)練的依據(jù)?；诙诸惖腟VM(Support Vector Machine,支持向量機(jī))分類器對(duì)扣件缺陷進(jìn)行準(zhǔn)確分類。引用了先進(jìn)的一對(duì)一特征的分類方法進(jìn)行了SVM離線訓(xùn)練，基于“投票法”的思想實(shí)現(xiàn)在線對(duì)扣件缺陷的準(zhǔn)確分類。通過選取大量的正負(fù)樣本進(jìn)行仿真實(shí)驗(yàn)，本方法有效提高了系統(tǒng)的識(shí)別分類的準(zhǔn)確率。
　　設(shè)計(jì)的鐵路扣件缺陷監(jiān)測(cè)系統(tǒng)的軟件界面平臺(tái)，其操作內(nèi)容有：登錄、