基于機器視覺的貨車典型故障圖像識別算法研究.pdf

1、由于運輸組織新秩序的建立和貨車高速重載新要求的提出，使得貨車的列檢保證區(qū)域延長、列檢作業(yè)時間縮短，這對列檢效率和質(zhì)量提出了更高的要求。以人控模式為主的傳統(tǒng)列檢方式已經(jīng)無法滿足要求，取而代之的是人機結(jié)合模式的TFDS(Running Trouble of Freight Car Detection System,鐵路貨車運行故障動態(tài)圖像檢測系統(tǒng))列檢方式。近年來，隨著機器視覺、圖像處理和模式識別等技術(shù)的不斷成熟，為實現(xiàn)TFDS系統(tǒng)向完全機

2、控模式轉(zhuǎn)變奠定了理論基礎(chǔ)。
　　本文在深入分析了TFDS系統(tǒng)的組成和功能之后，選取機器視覺故障自動識別子系統(tǒng)下屬的圖像自動識別專用計算機作為研究對象，實現(xiàn)圖像預(yù)處理、圖像特征提取和故障判斷等功能。論文的主要研究內(nèi)容如下：
　　(1)在圖像預(yù)處理階段，考慮天氣條件、環(huán)境狀況以及采集傳輸設(shè)備對獲取圖像的影響，本文分別提出了椒鹽噪聲濾波算法用于噪聲消除、改進的Retinex算法用于光照補償、基于霧天圖像退化模型的圖像去霧算法用于圖

3、像去霧，并從主觀視覺效果和客觀評價標準兩個方面對上述各算法的性能做出了分析和比較。
　　(2)在圖像特征提取階段，分析轉(zhuǎn)向架擋鍵丟失、鎖緊板緊固螺栓松動和轉(zhuǎn)向架交叉桿彎曲等故障的圖像特征，將其分別歸納為三類：區(qū)域顯著變化、邊界顯著變化和結(jié)構(gòu)顯著變化。并采用圖像分割中的最大類間方差法和區(qū)域生長法、邊緣檢測中的Canny檢測算子和Hough變換等圖像處理技術(shù)來提取各故障的圖像特征。
　　(3)在故障判斷階段，針對轉(zhuǎn)向架擋鍵丟失、