基于圖像的鐵路扣件缺陷檢測(cè)算法研究.pdf

1、鐵路扣件是鐵路線路的重要部件，良好的扣件狀態(tài)是維系鐵路運(yùn)輸安全的重要保障，扣件缺失或斷裂會(huì)對(duì)鐵路行車(chē)安全形成巨大威脅甚至釀成重大交通事故。現(xiàn)階段，我國(guó)鐵路線路扣件狀態(tài)的檢測(cè)還主要采用人工沿鐵路目測(cè)的方式，但是這種人工目測(cè)方式效率低下，缺乏客觀性，檢測(cè)結(jié)果依賴(lài)于巡道工人的技術(shù)熟練程度。隨著我國(guó)鐵路運(yùn)輸向高速、重載方向發(fā)展，包括扣件缺陷在內(nèi)的線路缺陷日益增多，人工檢測(cè)扣件狀態(tài)已不能滿(mǎn)足現(xiàn)代鐵路運(yùn)輸安全的要求。因此，鐵路扣件狀態(tài)的自動(dòng)化檢測(cè)是

2、鐵路事業(yè)發(fā)展必須面對(duì)的問(wèn)題。當(dāng)今國(guó)際上普遍采用圖像處理技術(shù)實(shí)現(xiàn)扣件狀態(tài)的自動(dòng)檢測(cè)?；趫D像的扣件缺陷檢測(cè)技術(shù)可以提高檢測(cè)性能，減少檢測(cè)時(shí)間以保證更高頻率的線路檢測(cè)，具有經(jīng)濟(jì)、高效、自動(dòng)化程度高、適應(yīng)能力強(qiáng)等優(yōu)點(diǎn)。
　　本文主要研究基于圖像處理技術(shù)的扣件缺陷檢測(cè)算法，主要工作如下：
　　針對(duì)現(xiàn)有扣件定位算法的不足，設(shè)計(jì)了一種自適應(yīng)“十字交叉”法來(lái)定位扣件區(qū)域，即通過(guò)鋼軌下邊緣和軌枕中心線的交點(diǎn)來(lái)定位扣件區(qū)域，該算法能克服現(xiàn)有定

3、位算法的不足，不受光照和線路曲線的影響，具有很強(qiáng)的魯棒性和穩(wěn)定性。
　　介紹了模板匹配算法的概念和理論；根據(jù)我國(guó)所用扣件的特定形狀，設(shè)計(jì)了標(biāo)準(zhǔn)扣件模板，并利用模板匹配技術(shù)實(shí)現(xiàn)了對(duì)扣件目標(biāo)的精確提取；根據(jù)模板匹配系數(shù)實(shí)現(xiàn)扣件狀態(tài)的初步分類(lèi)，大大降低了后續(xù)扣件狀態(tài)分類(lèi)的工作難度和識(shí)別時(shí)間。
　　闡述了Haar-like矩形特征的表示方法和特征值求取過(guò)程，并且引入積分圖像快速計(jì)算矩形特征，大大減少了計(jì)算大量矩形特征的運(yùn)算量，提高了

4、分類(lèi)器的訓(xùn)練和識(shí)別速度。針對(duì)扣件特定目標(biāo)引入了由單個(gè)矩形表示的矩形特征。設(shè)計(jì)了扣件狀態(tài)識(shí)別算法，具體包括基于AdaBoost算法的強(qiáng)分類(lèi)器設(shè)計(jì)、基于單矩形特征的弱分類(lèi)器設(shè)計(jì)、基于模板匹配系數(shù)的弱分類(lèi)器設(shè)計(jì)，實(shí)現(xiàn)了對(duì)扣件完好、丟失和斷裂三種狀態(tài)的識(shí)別。
　　建立了針對(duì)扣件狀態(tài)識(shí)別的訓(xùn)練樣本庫(kù)和測(cè)試樣本庫(kù)。在matlab平臺(tái)上對(duì)扣件定位算法進(jìn)行了測(cè)試，程序?qū)崿F(xiàn)了分類(lèi)器并對(duì)分類(lèi)器進(jìn)行了訓(xùn)練和測(cè)試。實(shí)驗(yàn)表明，本文設(shè)計(jì)的基于圖像處理的扣件狀