基于铁路5C装置的受电弓滑板缺陷智能检测技术

受电弓的异常状态是对高速铁路运营安全影响较大且备受关注的问题.基于计算机视觉的受电弓滑板缺陷智能检测技术,结合改进的YOLOv4模型与边缘提取等传统图像处理算法,研究适用于受电弓滑板监测装置(5C)的缺陷智能识别模型.铁路现场试验证明该智能识别模型在受电弓滑板缺陷检测中的有效性和实时性.     

城轨列车受电弓滑板磨耗检测技术研究

为实现城轨列车受电弓滑板磨耗的在线非接触式检测,对城轨列车受电弓滑板磨耗检测技术进行研究。提出一种基于图像处理的受电弓滑板磨耗检测方法,其步骤为:首先,对采集系统采集到的原始图像进行图像滤波,滤除原始图像中的混合噪声;然后,采用基于直方图凹度分析的自适应Canny边缘检测方法对滤波后的图像进行边缘检测,检测出图像内受电弓滑板边缘;最后,通过相机标定和曲线融合获得实际的受电弓滑板磨耗曲线,以判断受电弓滑板磨耗是否超限。试验结果表明:该方法能有效地检测出原始图像中的受电弓滑板磨耗曲线,能有效地实现城轨列车受电弓滑板磨耗的在线非接触式检测。     

受电弓滑板磨耗测量算法的研究

将数字图像处理技术应用于受电弓滑板磨耗测量,提出一种受电弓滑板磨耗测量算法,结合边缘提取、形态学图像处理、Hough变换、聚类分析等方法,实现从图像上测量计算出受电弓滑板实际磨耗厚度.该算法由起点定位、边缘跟踪和厚度计算构成.其中,起点定位用于确定滑板上下边缘的起点坐标;边缘跟踪结合Sobel算子和Canny算子的优点获取滑板磨损面的边缘信息;厚度计算利用物-像固定比值计算滑板磨耗厚度,并采用均值方法提高测量精度.     

机车驾驶路面状况监控系统障碍检测算法的研究

提出基于铁路智能视频监控图像序列分析的铁轨路障检测算法,即通过图像预处理突出铁轨信息,确定铁轨边缘像素;沿铁轨边缘建立检测窗,计算分析铁轨检测窗内的纹理特征;结合纹理特征及灰度特征进行铁轨障碍物的检测.在检测出路障目标的基础上对机车驾驶员提供实时的警报.实验结果表明,该算法检测速度快、可靠性高,可运用于实际路面状况检测系统.     

铁路混凝土结构物图像裂缝亚像素级宽度提取技术

宽度是裂缝定量检测最重要的结果之一,是评估混凝土结构物开裂严重程度及影响的重要指标.为实现混凝土结构表面裂缝宽度的精细计算,首先对通过残差网络ResNet+金字塔池模型网络分割出的裂缝区域进行宽度提取;然后运用基于中轴线垂线的裂缝宽度计算方法,结合三次Cardinal样条插值拟合裂缝边缘,获取符合实际应用需求的亚像素级...     

基于仰拍方式的受电弓滑板图像检测

目前大部分基于图像处理技术检测受电弓滑板磨耗量的图像都是采用俯拍的方式获得的,该方式对于某些复杂的弓形存在着一定的局限性。提出采用一种较好的仰拍方式来采集受电弓滑板图像,首先由CCD摄像机拍摄受电弓的滑板图像,由视频采集卡将其传输,存储到检测主机,然后对保存的图像进行处理,定位受电弓滑板边缘和接触导线。通过该检测方法可以为受电弓滑板磨耗检测提供关键数据。     

一种非接触式接触网动态拉出值实时测量方法

针对目前铁路供电检测领域静态拉出值测量流程繁琐、效率低、测量值与实际动态拉出值存在一定偏差等问题,提出一种基于实时图像处理的非接触式动态拉出值测量方法。该方法利用可见光相机实时检测定位受电弓区域,通过边缘检测算法得到受电弓的中心点坐标;借助弓网接触点必然存在高温的特点,利用红外相机得到精确的弓网接触点;通过预先对红外和可见光相机进行相应标定得到弓网接触点在可见光图像中的坐标,计算弓网接触点距受电弓中心的距离,进而得到接触线相对受电弓中心的动态拉出值。该方法具有一定推广应用价值。     

基于视频图像的弓网接触位置动态监测方法

针对列车人工检测受电弓状态效率低下的问题,提出基于视频图像的弓网接触位置动态监测方法.首先,将运用帧间差抓取受电弓视频中得到的包含弓网的图像作为原始训练数据集;然后,对复杂的受电弓图像背景进行分割处理,采用超像素分割获得最大特征区域,结合特征图像的HOG(方向梯度直方图)获得最大特征ROI(感兴趣区域),形成训练数据集,并设计标签;最后,运用改进的YOLO v3-tiny-strong网络结构检测分类器,用训练的权重对视频目标进行监测.结果 表明:该动态监测方法能够在每1帧图像中精确标记出受电弓与接触网的接触点位置,并且能够持续对受电弓的运动状态进行捕捉,有效获取接触点与受电弓的相对坐标位置,从而达到对受电弓的监测目的 ,其对弓网视频的检测精度可达98％.     

基于区域级和像素级特征的路面裂缝检测方法

路面裂缝图像普遍存在光照不均匀,对比度低,噪声干扰严重等问题,传统图像处理方法无法有效检测路面裂缝。提出一种综合区域级和像素级特征的分步路面裂缝检测算法,将检测过程分为裂缝区域检测和区域内裂缝精确检测2部分依次进行。设计一种基于拟合图像背景的匀光算法,并结合其他预处理算法改善图像质量;而后基于图像连通域特征,采用基于多特征的滤波方法以及基于SVM的裂缝区域分类法完成裂缝区域检测;在裂缝区域内采用基于像素灰度与梯度特征的种子生长法提取裂缝目标。实验结果表明,该算法能够较好的检测和标识出复杂路面裂缝图像中的裂缝目标。     

一种快速的车道线检测方法

针对辅助驾驶系统中重要的车道线检测问题,提出了一种基于霍夫变换和最小二乘法拟合的车道线检测方法。根据相机参数确定图像中的感兴趣区域,对感兴趣区域中灰度图像进行高斯滤波和边缘检测,并利用颜色信息进一步选取检测到的边缘像素。利用霍夫变换提取边缘像素组成的直线,并利用角度信息去除错误的提取结果。用最小二乘法对车道左右两侧提取出的标识线像素分别进行直线拟合,从而检测出当前车道的标识线。通过对800帧不同车道线种类的图片进行算法检验,结果表明该方法能达到30帧/秒的实时检测速度,晴好天气下的直线车道线的检测正确率为99. 6%。     

基于图像处理的道砟颗粒二维廓形追踪提取算法

获取道砟颗粒廓形是研究有砟轨道道床力学性能及开展仿真分析的基础。针对传统图像处理中利用边缘检测算法获得道砟二维廓形信息的不足,提出追踪提取算法。采用数码相机和计算机技术搭建图像采集平台,通过颜色空间转化、二值化处理、边界追踪和数据优化等步骤实现了道砟二维廓形的提取。算法特点在于,提取的道砟颗粒二维廓形数据为有序的点列,廓形曲线连续且闭合良好,检测出来的边缘是单像素宽,通过使用游标卡尺测量证明实际廓形的最大粒径在考虑测量误差及精度的条件下二者数值基本相同。同时,基于前期学者对棱角指数的算法对本文提取廓形进行相应计算并与实测值比较,数值基本吻合,从而说明本算法在一定误差及精度条件下的有效性与可靠性。     

一种融合小波变换和数学形态学的图像边缘检测算法

针对传统图像边缘检测方法中出现噪边、边缘定位不精确等缺点,提出一种融合小波变换和数学形态学的图像边缘检测算法。先将图像进行小波分解,高频部分利用小波模极大值噪声抑制和尺度相关子带关联算法进行边缘检测,可以很好地减弱噪声;低频部分利用修正的形态算子进行形态学边缘检测,能够检测出弱边且定位准确;最后对两种方法得到的边缘图像进行融合。实验结果表明,该算法能有效抑制噪声,提高边缘精度并且定位准确.     

基于双结构元素数学形态学的铁轨图像边缘检测方法

针对铁轨图像在采集过程中经常受到不同程度的噪声影响,传统边缘检测方法难以检测并提取准确的铁轨边缘.文中通过分析灰度数学形态学抗噪图像边缘检测的常用方法,提出基于不同几何形状及大小的双结构元素抗噪数学形态学铁轨图像边缘检测算法.并应用这种算法对掺杂有噪声的铁轨弯道图像边缘进行铁轨边缘检测,实验结果表明:该方法具有比传统经典边缘检测方法更好的铁轨弯道边缘检测及提取效果.     

荧光磁粉探伤裂纹智能识别图像处理研究

磁粉探伤的发展趋势是自动化、智能化,而工件表面状况、真伪裂纹、工况条件等使得现有的检测识别方法难以满足工件表面裂纹缺陷自动检测识别的需要。在分析工件表面荧光磁粉图像特征及裂纹缺陷特征的基础上,研究表征裂纹邻域像素空间相关度的二维直方图分布,提出基于多重分块极值的图像边缘检测算法。根据裂纹邻域像素空间相关度参数,以及裂纹缺陷的长宽比、圆形度等特征,设计了基于Fisher线性判别方法的工件裂纹识别算法。以此为基础的荧光磁粉探伤工件裂纹缺陷自动检测识别技术,应用于列车轮轴检测线实时检测,裂纹缺陷的有效检出率达99%。     

基于改进Radon变换的直线钢轨识别算法

针对传统Radon变换在直线轨道检测方面速度慢且不能从众多边缘直线中识别出钢轨,提出基于改进Radon变换的直线轨道识别算法。首先,通过阈值筛选的边缘点;其次,利用先验知识,建立极角约束域;然后通过Radon变换提取所有直线,再利用直线角度差和直线平均距离筛选出钢轨边缘直线;最后将本文算法与传统Hough变换算法和传统Radon变换算法的比较,实验结果显示本文算法能精准识别出钢轨,且速度更快。     

一种优化的Canny边缘检测算法

在对Canny边缘检测理论研究基础上,针对Canny边缘检测算法在高斯滤波、梯度计算和高低阈值的确定上的缺陷,提出一种改进的小波变换法,替代高斯滤波,实现对图像的降噪,同时,优化了原有梯度幅值和方向的计算方法,采用改进的迭代算法对高低阈值进行计算。运用MATLAB仿真实验对比优化后的Canny边缘检测算法与传统Canny边缘检测算法。结果表明,优化后的Canny边缘检测算法可使检测结果拥有更多的边缘细节,提高了检测的精度和准确度。     

基于背景建模的钢轨表面缺陷像素级检测方法

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...     

深度学习在接触网定位器缺陷检测中的应用

高速动车接触网运营安全的需求使得接触网关键零部件的缺陷自动检测成为一份有意义的工作。针对接触网巡检图像的定位器缺陷检测问题,本文提出了一种基于图像深度表示和直线检测的目标检测一体化算法。该算法采用选择搜索算法获得定位器在图像中可能存在的备选区域,利用深度卷积神经网络计算图像的深度特征,通过多任务学习的算法求得定位器的局部区域。随后,利用Canny边缘提取和Hough直线检测的方法在局部区域内精确检测定位器直线。针对接触网巡检图像的实际应用场景,对该算法在不同场景下进行验证,试验结果表明,该算法可以有效解决实际场景下的定位器缺陷检测问题。     

基于机器视觉的无砟轨道层间结构位移测量方法研究

为实现板式无砟轨道层间离缝的全天候监测,提出一种基于机器视觉的非接触式层间结构位移测量方法。针对传统Canny边缘检测算法自适应性较差的问题,对其进行改进。利用自适应中值滤波器代替高斯滤波器;提出一种基于分块迭代的局部阈值分割法自适应地选取阈值,并通过高斯拟合算法检测改进算法的优越性。通过室内试验对标记点大小、光源强度、拍摄距离和拍摄角度4个方面进行对比分析,选择最适测量参数。试验结果表明,在标记点运动的状态下,最大测量误差为2.6%,在误差的允许范围之内。通过现场测试验证,该测量方法可有效地对板式无砟轨道层间结构位移进行精确测量,为我国高速铁路的运行安全监测提供技术支持。     

基于contourlet模极大值的图像边缘检测

现存的基于空间域或小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘。本文提出在contourlet变换子带上搜索模极大值的图像边缘检测算法。通过适当地调节变换各尺度上的分解级数得到具有抛物线型尺度的基,另使其满足方向消失矩条件,则contourlet变换获得对图像中分片光滑边缘的最佳逼近。对原图像进行非下采样contourlet变换,然后对各子带进行阈值处理。由于contourlet变换子带不同于小波子带的全新特点,根据各方向子带代表的方向及其梯度方向,子带上各样本点与其梯度方向上相邻点比较模值即得变换系数模极大值。该算法不需经过复杂的连接模极大值点操作,亦可得到较高的边缘检测性能,较大地降低了计算复杂度。实验显示本文算法所提取的边缘更加逼近图像真实边缘,且具有较低的计算复杂度。