地铁隧道表面裂缝智能视觉采集系统

基于我国隧道裂缝检测主要依靠人工检测来实现,检测方式工作效率低、占用线路时间长,无法满足现代城市轨道交通检测的需求。提出一种基于车载式多目高速线阵相机的地铁隧道表面图像采集系统,阐述其系统工作原理,并对系统内部各项硬件设备进行选型,在实验室内完成组装和调试,基本实现线阵相机图像采集的功能,并为后续的隧道表面图像处理提供支持。     

基于局部图像纹理计算的隧道裂缝视觉检测技术

地铁隧道裂缝病害的自动检测技术是一个重要研究方向。针对地铁隧道复杂场景和弱光环境下,全局图像检测精度低的问题,提出分块图像局部纹理处理算法,将大视场裂缝图像进行网格化处理,在分块区域内完成预处理与纹理提取,基于图像细化与骨架提取算法,提出裂缝和虚假裂缝纹理的差异性计算模型,可有效提高真实裂缝图像的检测精度,滤除虚假裂缝的干扰。针对硬件系统,提出多目高速线阵相机的图像采集方案,研制裂缝图像采集系统样机,可安装于轨道小车上进行图像连续采集。利用研制的图像采集处理设备,可以自动采集和检测隧道裂缝图像,对于纹理简单的普通裂缝图像样本,裂缝的识别率达到0.96;对于地铁隧道裂缝图像样本,裂缝的识别率达到0.84,验证了硬件系统和软件算法的有效性与可行性。     

基于图像识别技术的隧道衬砌裂缝检测系统研究

首先分析了既有隧道衬砌裂缝检测系统存在的问题,然后应用最新技术发展成果,提出基于图像识别技术的隧道衬砌裂缝检测系统。该系统能对隧道衬砌图像予以高速采集和存储,其后端采用基于深度学习的裂缝识别算法对海量的隧道衬砌图像数据进行快速识别,并提取裂缝特征参数。将该系统安装在现有轨道车上进行了试验,结果表明该系统可以50 km/h的速度对1 mm以上衬砌裂缝无遗漏采集。     

基于特征分析的地铁隧道裂缝识别算法

有效地检测地铁隧道表面裂缝对于隧道的安全至关重要。地铁隧道表面图像普遍存在光照不均匀,目标对比度低,背景纹理复杂,噪声干扰严重等问题,而检测传统图像裂缝,如混凝土表面、路面裂缝等的算法不能很好地适用于地铁隧道表面图像。为此本文提出了一种隧道表面裂缝识别的算法。该算法首先利用Mask匀光等预处理算法改善隧道图像的质量,而后分别设计了基于模板的分析法、基于Hough变换的线型结构分析法、基于SVM的近似裂缝结构分析法等算法对隧道表面裂缝图像各成分进行提取,从而达到识别裂缝的目的。实验结果表明,该算法对传统裂缝图像的识别准确率可达97%,对于隧道表面的裂缝图像识别准确率可达81%。     

隧道检测裂缝的图像处理研究

裂缝是隧道衬砌最常见的病害之一,基于近几年快速发展的工程检测系统与图像处理算法的研究,提出基于CCD相机的衬砌裂缝检测系统来采集裂缝图像。通过比较均值滤波、中值滤波、维纳滤波、自适应中值滤波和加权邻域滤波比较,选择自适应中值滤波进行图像增强。结合直方图阈值分割法、Otsu最大类间方差阈值和局部阈值分割法,对增强后图像进行二值化处理比较,Otsu法较好地保留了裂缝的边缘信息,证明了该算法的有效性,为后续裂缝信息的提取奠定了基础。     

隧道表面图像多目标智能识别算法研究

隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究。提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立数据集,采用基于语义分割的理论模型对隧道图像目标进行智能分类识别。考虑隧道纹理的特殊性,本研究对算法中模型结构进行改进优化,实现隧道多种目标的智能化检测。试验中,通过测试集和隧道正线图像进行对比试验,其中隧道典型病害裂缝的检测率为94.2%,渗漏水的检测率为96.9%,验证了模型和算法的有效性。     

地铁隧道渗漏水病害快速检测及图像处理技术

检测盾构隧道渗漏水的传统人工检测方法工效低,无法满足大量运营地铁隧道快速检测的需求。隧道渗漏水快速检测系统包括快速摄像设备及与之配套的图像分析处理器。快速摄像设备是基于工业定焦相机和自动化控制技术集成开发的,可实现对地铁隧道渗漏水病害的快速摄像。与快速摄像系统配套的图像分析与数据处理器,是根据地铁隧道结构宏观特征和结构构件空间几何关系开发的,能实现病害特征的快速计算,并对病害进行分类。该隧道渗漏水快速检测系统在上海地铁中的应用效果良好,现场摄像速度达5km/h,渗漏水病害检测准确率达到95%。     

高速铁路无砟轨道表面裂缝三维图像自动识别算法

无砟轨道表面伤损的自动检测技术是当前高速铁路检测与监测的关键技术。采用三维图像技术,将原始三维图像转换为二进制图,基于三维光影模型的轨道结构表面裂缝的三维图像识别算法,采用连通域分析与线性形态分析方法,了轨道结构裂缝识别中图像噪声消除算法,从而提高轨道结构表面裂缝自动识别的准确率。室内试验对比结果表明:课题组研发的高速铁路轨道表面伤损检测系统,可获得高精度的裂缝长度、宽度以及深度的数据信息,轨道板裂缝最大宽度的识别结果相对误差为6.25%、9.68%,裂缝长度的测试识别相对误差为1.39%、2.92%,平均深度的测试识别相对误差为15.69%、13.04%。采用提出的裂缝识别算法可实现100%准确率的裂缝自动识别。     

一种刚性接触网缺陷智能检测系统的开发与应用

针对刚性接触网核心部件汇流排和接触线缺陷项目多、智能化检测手段少的问题，提出一种基于图像智能采集及深度学习算法识别的刚性接触网缺陷智能检测系统的总体设计方案，详细介绍系统构成、功能及其应用情况。该系统在应用中能自主完成智能化的采集检测任务，实现刚性接触网缺陷的智能检测。     

铁路隧道衬砌表观病害智能检测技术

针对铁路隧道衬砌表观病害检测需求，梳理并分析技术现状，介绍隧道衬砌表观病害智能检测系统的研制情况和系统组成。提出铁路隧道衬砌表观病害智能检测面临的技术难点，分析图像快速采集、病害智能识别、病害样本库构建等智能检测关键技术。通过基于实测数据集以及现场检测复核等手段，验证铁路隧道衬砌表观病害智能检测系统关键参数。结合现场运用情况，分析铁路隧道衬砌表观病害智能检测系统运用效率。智能检测系统应用表明，铁路隧道衬砌表观病害智能检测技术可大幅提升隧道衬砌病害检测的自动化和智能化水平。     

铁路货车装载状态高清图像监视系统的设计与实现

针对铁路货运检测的实际需要,提出基于高清工业相机的拍照检测体系结构,进行海量数据采集存储、JXR压缩算法的设计,并给出硬件部分框图.应用证明,系统可实现实时采集,存储高清晰车辆图像.     

基于图像特征提取的隧道衬砌裂缝检测研究

隧道内存在的各种病害中以衬砌裂缝最为常见和严重。现阶段我国正处于高速铁路大量建设和投入使用的时期,由于高速铁路列车运行速度较快,衬砌裂缝产生掉块将会是巨大的安全隐患。但与之相应的隧道检测手段仍停留在人工肉眼检测的阶段,本文基于近几年快速发展的工程图像检测系统,提出适用于图像检测的隧道衬砌裂缝评价指标,对采集到的裂缝图像进行增强和分割处理,通过实验选取了合适的增强和分割方法,并利用形态学原理对裂缝图像进行处理,提取出裂缝长度、宽度等特征指标,并将特征指标作为识别和评价裂缝的数据依据。     

基于FPGA和DSP的高速实时轨道巡检图像采集处理系统

基于FPGA和DSP的高速实时轨道巡检图像采集处理系统由光学系统、FPGA模块、DSP图像处理模块及上位机组成.为提升图像采集的质量,提出并设计线阵相机加激光光源的组合方案,用以有效滤除阳光干扰,避免图像过度曝光.针对高速实时采集需求,设计FPGA采集模块,实现巡检图像采集控制和传输.针对实时智能检测需求,开发基于DS...     

基于Camera Link的双相机高速同步采集系统的研制

提出一个基于Camera Link的双相机高速采集系统,介绍该系统的特点和主要硬件组成。通过重点讲述双相机的外触发同步采集方式和海量存储技术、阐述主要的软件架构和图像采集、显示的软件实现,从而达到利用这些技术为铁路的现场检测带来新的解决途径的目的。     

铁路入侵智能检测方法研究

铁路入侵行为严重影响铁路安全,由于人工监控容易产生疏漏,研究计算机智能铁路入侵检测系统尤为必要,文章提出了一种智能铁路入侵识别方法,主要包括2个方面:一是提出了一种描述n维入侵目标可能存在的m维基本运动过程的数学模型;二是提出基于方向场的铁轨智能识别方法。经轨道监控视频实验验证,文中提出的方法可有效识别监控区域中的轨道,并可对铁路入侵目标进行准确识别和跟踪,算法具有一定鲁棒性,对实现智能铁路入侵检测具有重要意义。     

基于图像技术的无砟道床表观伤损检测系统研制

我国高速铁路部分线路无砟道床裂缝、离缝、缺损等表观伤损主要依赖于人工持钢板尺、塞尺、测宽仪等传统工具进行测量,检测效率低,准确性差.针对这一问题,本文基于图像技术研制了无砟道床表观伤损检测系统,对无砟道床表观高清图像快速采集,利用图像处理、深度学习等技术构建图像识别算法,编制识别软件对采集图像进行智能识别.现场验证结果...     

基于无靶标图像的轨道交通隧道内积水检测技术

轨道交通隧道区段轨行区积水影响行车安全甚至引发严重安全事件。本文介绍一种应用于轨道交通隧道内、基于计算机光谱图像的轨行区积水检测系统。通过对积水检测现状的介绍和光谱反射特点的分析,针对轨行区单点式图像积水检测识别范围窄、无法区域化识别的局限性,提出了利用特定激光补光及图像采集分析判别系统实现区域式无靶标积水的有效检测并阐述了该检测系统的工作原理、系统架构和算法构成。在厦门轨道交通1号线试车线隧道区段搭建模拟轨行区积水的场景进行现场测试,结果表明该系统对轨行区积水检测具有良好的识别效果。     

隧道检测系统及其在韩国高速铁路隧道的应用

介绍韩国高速铁路隧道安装的健康监测系统,提出基于检测数据诊断隧道衬砌可能破损的新系统识别方法。引入逆算法,即根据已知的形变数据和混凝土衬砌恒载,估计破损的程度和位置。对以刚度均减和裂缝概念为基础建立的两种模型进行效果和优劣比较。对理想化的隧道结构进行数学分析,并用检测数据中常用的白噪声对模型进行适应性研究。结果表明,基于刚度均减方法的模型1对白噪声相对不敏感,而以裂缝概念为基础的模型2由于受刚度减小的影响很小,易于现场应用。     

朔黄铁路隧道衬砌表观病害检测技术

为实现朔黄铁路隧道衬砌表观病害远距离非接触快速检测,提出一种基于多源数据深度融合的隧道病害检测方法。首先利用高清线阵相机、激光扫描传感器等检测设备获取隧道衬砌表观高清图像和激光点云数据,然后利用特征提取网络提取图像和点云特征图,并采用空间变换方法将图像特征图投影到点云特征俯视图上得到融合特征图,最后利用候选区域网络和金字塔场景分析网络对融合特征图进行检测识别,输出病害的类型与位置信息。在朔黄铁路重点隧道开展的现场试验表明,该方法能检测隧道裂缝、掉块、渗水等表观病害状态,有效提升重载铁路隧道运维的智能化程度及综合检测水平。     

基于轻量级卷积神经网络的地铁轨道线路状态检测系统

轨道作为承载车辆运行的重要部件，其工作状态对地铁运营的安全性有重要影响。传统人工巡检或者采用轨检车的检测模式只能在正线停运后进行作业，工作效率低。针对该问题，提出一种基于地铁运营列车的轨道线路状态检测系统，该系统采用高速线扫相机对轨道线路进行实时图像采集，并将采集数据送入轻量级RegNet骨干神经网络提取图像深层特征。在此基础上，加入双向特征金字塔网络进行多层次特征融合。最后将融合特征输入目标检测头实现轨道线路状态的实时检测。结合基于云边协同的困难样本挖掘以及模型部署加速技术，算法可实现高准确率、高实时性的检测性能。试验表明，该系统针对11类钢轨伤损及扣件状态的检测平均准确率（mAP）达到0.951，推理速度大于20 f/s,满足地铁在载客运营同时对轨道线路状态进行实时检测的需求。