共查询到16条相似文献,搜索用时 375 毫秒
1.
针对现有基于灰度阈值的钢轨擦伤检测算法受光照等外部环境的影响较大的问题,本文提出了一种基于机器视觉的圆斑状钢轨擦伤检测算法。首先通过分析采集图像在垂直方向的灰度均值曲线,提取出钢轨顶面区域;然后运用边缘检测的方法得到擦伤区域边缘的候选像素点;最后运用形态学处理删除不属于擦伤区域的虚假边缘,确定钢轨擦伤区域的位置。用测试数据集对本文算法进行检测性能评测,并与基于灰度阈值的算法进行对比。结果表明:本文算法对圆斑状钢轨擦伤样本的检测准确率为96.4%,而基于灰度阈值的算法的检测准确率为86.8%,本文算法的检测准确率大幅提升,能够对钢轨擦伤进行有效检测。 相似文献
2.
基于灰度对比图与最大熵的钢轨图像分割 总被引:1,自引:1,他引:0
针对CCD相机采集的钢轨表面图像灰度不均、过度曝光、噪声过大等导致的一维最大熵法无法准确分割缺陷的问题,提出一种将灰度对比图和形态学重构相结合,再用最大熵法进行分割的图像分割算法。首先求得钢轨图像的灰度对比图,接着将灰度对比图经过形态学开-闭重构获得钢轨背景图像,然后将背景图像与灰度对比图相减,得到包含缺陷的差分图,最后将差分图用最大熵法进行分割。实验表明,提出的灰度対比图法能够很好地缓解光照不均,过度曝光对检测带来的影响,形态学开-闭重构不仅能够获得所需的背景模型还能抑制一定的噪声,该算法简单、有效、鲁棒性较高,分割精度可以达到90%。 相似文献
3.
基于计算机视觉的车载轨道巡检系统研制 总被引:2,自引:0,他引:2
基于计算机视觉的车载轨道巡检系统由图像数据采集、数据分析和信息管理3个子系统组成;采用线阵相机进行1.6mm等间距运动扫描,并运用多线程交互和虚拟内存映射技术实现运动状态下轨道图像数据的采集和存储;在分析轨道图像病害特征的基础上,运用主成分分析、线性判别分析和Adaboost等方法建立机器学习模型,实现对钢轨、扣件和道床3个区域病害的模式识别。应用验证表明:系统能够有效检出钢轨表面擦伤、扣件缺失和移位以及轨道板裂纹等病害,其中钢轨表面擦伤、扣件缺失的检出率达95%;能够代替传统的人工步行巡道,而且最高巡检速度可达160km.h-1。 相似文献
4.
陶丹丹 《铁道科学与工程学报》2021,18(2):343-350
钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战.提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真... 相似文献
5.
《铁道标准设计通讯》2017,(5)
在机器视觉的检测中,图像是整个系统中最重要的原始数据,其质量决定了后期图像处理的效果和速度。为探讨高质量图像的采集,提出一种基于线阵CCD相机和线阵光源的钢轨表面缺陷检测的光学理论模型,分析线阵CCD采集系统中振动模糊的原因,推导出图像灰度值与系统振动幅度和缺陷深度的关系,研究光源照射角度和相机拍摄角度对图像灰度和缺陷区域对比度的影响,并通过实验验证模型的合理性。结果表明:缺陷区域图像灰度值随着钢轨表面缺陷深度增大而降低,采用较低的光源照射角度可增大缺陷与背景的对比度,突出缺陷特征便于后期图像处理的缺陷识别。 相似文献
6.
《铁道科学与工程学报》2017,(12)
针对钢轨表面缺陷检测精度易受采集装置振动与异物干扰的影响等问题,通过分析缺陷的位置,设计钢轨图像采集装置。在此基础上,首先根据钢轨的形状特征,结合Hough变换与最小二乘法提取钢轨表面区域,再结合超熵理论与模糊理论对钢轨表面缺陷进行分割,然后建立正样本及负样本数据库,并通过提取样本的Harr-like特征与低层特征建立样本特征数据库,最后结合C4.5与AdaBoost算法设计缺陷分类器,对非缺陷进行排除并对缺陷进行分类。通过在500~1 000 lx,1 000~10 000 lx,10000~100 000 lx 3种不同的光照强度区间内对木枕及混凝土枕轨道的钢轨表面缺陷进行识别,识别时间平均为698ms,识别正确率平均为97.02%,与传统的识别方法对比具有明显的优势。 相似文献
7.
针对传统滤波算法在钢轨表面缺陷检测中噪声滤除效果的缺点,提出一种高斯-中值滤波算法。将图像反转,使缺陷及一些被氧化处与正常的钢轨表面的灰度亮度发生反转。对反转后图像的滤波模板窗口求加权平均值,将图像中的每个点的像素灰度值与其加权平均值进行比较,若该点的像素灰度值大于其加权平均值,则用中值滤波算法进行处理,否则用高斯滤波算法进行处理。将仿真结果与传统的方法相比较表明:该方法去除噪声效果更好,并能很好的保护图像细节和改善缺陷处的边缘细节。 相似文献
8.
大型钢轨探伤车普遍采用超声波检测钢轨内部疲劳伤损,但国内已有的超声波系统架构平台在复杂线路区间探伤检测运用时存在数据拥塞和计算机死机现象而导致区段漏检,并且伤损的识别主要依靠人工全程回放。为提高信号处理速度和伤损识别能力,降低人工回放的工作量,进行了基于新型总线的超声波探伤系统和基于卷积神经网络深度学习的伤损智能识别技术研究;为提高钢轨表面和近表面的伤损检出能力,开展了钢轨表面图像检测技术研究;为实现各检测系统数据同步采集和同步回放,综合判定钢轨健康状况,设计了空间同步定位系统。经验证和对比,在平均伤损误报率基本相当的前提下,采用了深度学习算法的系统的平均人工伤损检出率比既有系统提高了4%以上;各系统之间同步误差在1 m以内,伤损实际复核的定位精度在3 m以内。 相似文献
9.
相比传统的物理检测算法,基于机器视觉的检测算法具有检测速度快、操作便捷等诸多优点,但因受光照不均、相机失焦抖动、雨雪天气等外界因素的影响,导致检测精度降低。针对这一问题,提出一种基于图像增强与深度学习的钢轨表面缺陷视觉检测算法。首先,对图像进行Gabor滤波去噪,以减少噪声对缺陷检测的影响;然后,利用HSV空间变换方法增强缺陷图像的关键特征信息;最后,通过改进Faster R-CNN卷积神经网络,实现了多尺度钢轨表面缺陷的检测与识别。通过对所提出的检测算法进行对比实验,实验结果表明:裂纹、剥落、磨损三类缺陷的识别精度分别为91.87%,92.75%和91.52%,检测速度为每张图像0.265 s,优于已有的钢轨表面缺陷检测算法,能够很好地应用于实际项目中。 相似文献
10.
11.
《铁道标准设计通讯》2016,(11):41-44
针对钢轨裂纹红外图像采集过程中产生的噪声大、对比度低的问题,以及传统直方图均衡化方法在对红外图像增强时灰度级减少和细节信息丢失等不足,提出频域增强与空域增强相结合的红外图像增强算法,以弥补传统算法在红外图像增强时的不足。在空间域上采用直方图均衡化对红外图像进行处理,提高图像对比度降低图像噪声;在频率域上采用高通滤波对红外图像进行锐化处理,增强图像的边缘和细节信息。仿真结果表明:该算法在对钢轨裂纹红外图像增强时很好地抑制了背景噪声,而且有效地凸显了钢轨裂纹内部微弱的细节纹理,保护图像的细节信息,为更好地提取钢轨裂纹的缺陷信息提供条件。 相似文献
12.
13.
14.
15.
16.
钢轨疲劳重伤是给定失效准则下的疲劳失效,它的失效概率服从威布尔分布。钢轨疲劳重伤累积失效率不大于10根·km-1时,与累计通过总重服从幂函数关系。计算表明,其误差不超过5 4%,满足工程统计预测的要求。分析钢轨疲劳寿命的影响因素,认为在考察钢轨疲劳寿命时,仅统计分析直线钢轨的疲劳重伤和折断是适宜的。统计分析4个区段钢轨疲劳重伤规律,统计数据与理论分布规律较好吻合。 相似文献