軌道缺陷自動檢測系統(tǒng)的圖像處理技術(shù)研究.pdf

1、鋼軌探傷和扣件檢測是鐵路基礎(chǔ)設(shè)施檢測工作的重要內(nèi)容，鋼軌表面出現(xiàn)缺陷以及扣件缺失會對行車安全構(gòu)成巨大威脅?；谝曨l圖像處理的軌道缺陷自動檢測系統(tǒng)的研制為自動、實時地檢測鐵路缺陷提供了有效手段。
　　 本文主要針對軌道缺陷自動檢測系統(tǒng)的圖像處理技術(shù)進行研究，所做的工作如下:
　　 根據(jù)缺陷檢測的目標(biāo)和要求，對圖像采集系統(tǒng)的主要設(shè)備進行了分析選型研究、對缺陷自動檢測系統(tǒng)的軟件功能模塊進行了分析設(shè)計。
　　 鋼軌和扣件

2、的正確提取是系統(tǒng)缺陷檢測的重要前提。本文針對現(xiàn)有定位算法的不足，提出了基于區(qū)域亮點統(tǒng)計的算法定位鋼軌和軌枕的邊緣，從而提取出鋼軌區(qū)域，并利用扣件相對位置的先驗知識實現(xiàn)扣件的定位提取。
　　 對裁剪出的鋼軌區(qū)域通過閾值分割，形態(tài)學(xué)處理，可以首先排除正常鋼軌的情況;對存在缺陷的鋼軌進行缺陷提取，計算了缺陷的質(zhì)心、面積、周長、長寬比等特征參數(shù)，利用神經(jīng)網(wǎng)絡(luò)分類器實現(xiàn)了對疤痕和裂紋這兩種缺陷的分類。
　　 對裁剪出的扣件區(qū)域利用

3、PCA降維方法提取扣件圖像的特征，大大減少扣件識別的運算量。建立了扣件模式識別的訓(xùn)練圖庫和測試圖庫，利用最近鄰域分類器實現(xiàn)了扣件缺失狀態(tài)的識別。
　　 本文對上述算法基于matlab軟件進行了實驗驗證。結(jié)果表明:本文的鋼軌和扣件提取算法具有很強的穩(wěn)定性，不受光照不均勻和鋼軌傾斜的影響，能夠快速準(zhǔn)確地提取出鋼軌和扣件區(qū)域;本文的鋼軌表面缺陷檢測算法，能夠排除正常的鋼軌，設(shè)計的BP神經(jīng)網(wǎng)絡(luò)可以有效識別缺陷鋼軌的表面疤痕和裂紋缺陷;P