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...     

基于改进YOLOX的轻量级钢轨表面缺陷检测算法北大核心

针对现有基于深度学习的钢轨表面缺陷检测方法在嵌入式检测系统上兼容性较差、计算资源占用高以及检测速度慢的问题,提出了一种基于改进YOLOX的轻量级钢轨表面缺陷检测算法。模型中主干特征层以MobileNetv3单元为基础,在保留其网络轻量化的同时进行局部优化,改进了浅层网络的激活函数,嵌入了SE(Squeeze and Excitation)注意力机制;在加强特征层优化了尾部的冗余卷积。通过与几种代表性算法进行对比试验,验证该算法的性能。结果表明:本文提出的改进算法在模型参数量仅为1.10×106的情况下,检出率和准确率分别达到了92.17%和90.92%,每秒传输帧数(Frame Per Second,FPS)为115.07,模型大小仅为原模型的1/5。该算法在保证较高检测精度的同时大大降低了模型参数量,并提升了检测速度,更适合部署于算力有限的嵌入式轨道检测系统,可为钢轨缺陷高效检测提供有效手段。     

基于HALCON的钢轨表面缺陷检测技术研究

针对当前检测钢轨表面缺陷存在的效率低、易漏检误检问题,提出一种基于HALCON图像处理软件开发的钢轨表面缺陷检测方法,实现测量过程中对缺陷图像的识别和处理。通过钢轨模拟检测平台采集钢轨表面图像,利用HALCON软件对获取的原始图像进行预处理、边缘检测、目标特征提取,计算相关几何特征信息并定位钢轨表面缺陷。实验表明,该方法具有较高的测量精度和测量效率,能够满足实际应用,为钢轨表面缺陷在线检测提供了新的途径。     

基于视觉注意力和PLSA模型的钢轨表面缺陷检测

针对目前钢轨表面缺陷检测的速度,精度较低,分类较难的现状,提出一种基于视觉注意力和PLSA模型的钢轨表面缺陷检测方法;结合亮度和纹理特征的视觉注意力模型检测钢轨表面缺陷,提取原图像的缺陷区域,并采用PLSA模型对提取的缺陷进行分类。实验结果表明:所提出的方法提高了检测及分类的速度与精度,能满足钢轨表面缺陷检测的要求。     

基于Anchors设计和模型迁移的钢轨内部伤损检测方法

钢轨内部伤损的准确检测是保障列车安全运行的重要环节,如何提高伤损检测算法的泛化能力和鲁棒性是当前自动检测该类伤损面临的主要问题。为此,提出一种基于Anchors设计和模型迁移的钢轨内部伤损检测方法。首先,采用图像数据增强技术扩充现有图像数据集,获取适量的训练样本。其次,设计以交并比为距离度量的K-means聚类算法获取新的Anchors多维度约束,提高伤损检测精度。最后,在基于改进Faster R-CNN模型的迁移学习方法基础上,训练所提的钢轨伤损检测模型。试验结果表明,本文检测方法所得精确率、召回率和F₁值均达到99%,对不同类型的内部伤损取得了较好的检测效果;与现有方法相比,本文所提方法的识别准确率高、误报率低,可有效检测钢轨内部伤损。     

基于图像增强与深度学习的钢轨表面缺陷检测

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...     

钢轨缺陷在线高速检测

由圣地牙哥加利福尼亚大学研发的钢轨缺陷检测样机在最近进行的现场试验中取得了令人鼓舞的结果。该研究项目是由美国联邦铁路局研究与开发办公室提供资助。在2008年3月进行的现场试验中,最高检测速度达到1Omph。试验轨道包括三节轨头有不同程度内部缺陷的钢轨（占轨头面积的比例分别为35％、35％和12％）。其中,二节为表面横向轨头断裂（2％和5％）．一节为表面斜向轨头断裂（3．5％）。试验结果表明,对所有缺陷的检测成功率非常高。在不同环境条件下进行的24次试验中,包括大风天气和雨天,成功率达到75％～100％。     

基于机器视觉的钢轨对接焊高精度检测方法

为提高闪光对接焊设备焊接过程的焊接精度,提出一种基于机器视觉和图像处理技术结合的钢轨对接焊高精度定位检测方法。该方法采用黑白面阵CMOS工业相机、线激光器作为主要检测硬件,其中线激光器发射的激光分别垂直投射在与轨道轴线平行的轨顶面和轨侧面上,通过对工业相机所采集的图像进行特征提取,针对多种不同特征进行模式识别,从而获得钢轨顶部和侧面高度差。通过重复性与可靠性试验,表明该方法满足工程实际检测要求。与传统的手工检测方法相比,本方法具有更高的精度,且受外部环境的影响较小,满足工况环境条件下的焊接精度要求,在复杂环境下同样可获得较好的检测效果。     

基于深度学习的钢轨伤损超声检测与分类

钢轨内部伤损的实时检测与治理将有效地降低事故发生的风险.人工物探方法费时费力;超声检测技术能够实时地探查钢轨的内部状态,但伤损的辨识仍依赖于人工或图像处理技术逐个手动处理,易漏检或错检.提出一种新的基于深度学习的钢轨内部伤损超声检测数据后处理方法以实现伤损识别和分类的自动化,并从数据,方法和干扰因素三个方面对分类效果进...     

周期荷载作用下钢轨缺陷检测分析

根据振动理论、瞬态有限元-边界元理论,提出一种利用钢轨振动响应数据对钢轨断裂缺陷进行分析检测的方法.通过建立无砟轨道振动分析动力学模型,研究在节点周期荷载激振下,轨道在钢轨全断裂,钢轨截面50％断裂等缺陷条件下的振动加速度规律特征.结果表明:在不同轨道缺陷条件下,钢轨在2个检测点的振动响应加速度变化特征明显,且能够提取不同轨道缺陷对应的特征规律,多组仿真实验结果误差均在5％以内.本方法是无源检测,方法简单可靠,能够有效地提高轨道检测工作效率,减少线路维护的时间.研究结果可为基于动力学响应的轨道缺陷检测工程技术提供借鉴和利用.     

基于钢轨电位时空关联的钢轨对地绝缘缺陷诊断方法

[目的]以钢轨电位为监测对象的各监测点数据间在时空上存在关联,钢轨对钢筋结构电阻变化后的直接表现形式为钢轨电位的变化。应基于钢轨电位时空关联的特点,对钢轨对地绝缘状态监测及缺陷诊断的方法进行深入研究。[方法]阐述了以钢轨电位为监测对象的杂散电流监测系统。对绝缘缺陷下的钢轨电位数据特征进行了分析,建立了数据的特征矩阵。基于闵可夫斯基距离的异常检测原理,阐述了钢轨对地绝缘异常区段的检测步骤,以及绝缘缺陷定位的检测步骤,提出了基于钢轨电位时空关联的钢轨绝缘缺陷诊断方法。以青岛某城市轨道交通工程为案例进行建模仿真,用以评估所提方法的有效性及准确性。[结果及结论]该方法能对钢轨绝缘状态进行有效监测,可准确定位绝缘缺陷位置。     

钢轨扭转变形的检测方法

作为“钢轨扭转变形对钢轨焊接质量的影响”一文的续篇，本文专题论述了钢轨扭转变形的检测原理及检测仪器的构造原理，为最终解决钢轨扭转变形的矫正问题提供先决条件。     

基于相控阵超声技术的重载铁路钢轨焊缝检测方法

针对采用传统超声波对重载铁路钢轨焊缝检测时效率低且易漏检的问题,提出了利用相控阵超声技术对钢轨焊缝进行检测.通过仿真模拟确定了扫描角度和探头位置等检测工艺,并选取GHT-5和YN-1试块进行试验验证.结果表明:采用相控阵超声技术进行焊缝检测可以实现多角度扫查,探头小范围移动即可完成全覆盖扫查,操作简单,效率高,检测效果...     

基于机器视觉的轨距检测方法研究

提出了一种基于机器视觉的轨距检测方法,该方法采用4个CCD摄像机和2个红色扇形光源构成检测系统。对检测系统进行了定标分析,采用提取分量的方式对图像的目标区域和背景区域进行分割,利用图像差影法去除噪声,应用自适应迭代阈值法对图像进行二值化处理,并通过膨胀和细化算法得到轨道的截面轮廓线。试验结果表明,该方法能有效地实现轨距参数的高精度动态测量,精度可达到0.07mm。     

基于机器视觉的钢轨表面检测光学模型的研究

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。     

基于多层级特征融合的钢轨表面伤损检测方法

现有的钢轨表面伤损检测方法存在鲁棒性差、误检率高和容易漏检小面积伤损区域的问题.为此,提出一种基于多层级特征融合的钢轨表面伤损检测方法.首先,利用高速综合检测车搭载轨道图像采集系统,在实际的铁路线路采集轨道图像,并对表面伤损进行人工标注;然后,在钢轨图像数量有限的情况下,利用钢轨表面伤损数据集构建策略,提升训练样本图像...     

面向复杂环境的接触网关键设备缺陷检测方案

针对小样本及复杂环境下接触网关键设备缺陷检测难等问题,提出一种融合深度卷积神经网络和卡尔曼滤波的图像检测方案。采用MobileNet构建模型骨干网络,有效降低了计算成本;融合柔性非极大值抑制算法解决目标部件遮挡问题,并将上下文感知ROI池化层取代原始池化层,维护了小尺寸零部件的原始结构;最终通过卡尔曼滤波对检测结果进行修正,有效提高检测精度。实验结果表明：本文所述方法能够对复杂接触网设备实现零部件的精确检测,与相同条件下的其他检测算法相比综合性能最佳。     

基于机器视觉和卷积神经网络的轨道表面缺陷检测方法

为提高轨道表面缺陷查准率、召回率和检测效率,采用形态学滤波与概率霍夫变换算法剔除原始图像噪声,实现对轨道表面缺陷的快速准确识别;顺次应用阈值法和离散法得到轨道的真正边缘定位,解决Canny算子在提取轨道边缘时产生大量伪边缘的问题;构建能兼顾召回率和查准率的改进交叉熵损失函数,基于卷积神经网络进行特征提取,建立高效的轨道...     

基于超声导波的实时钢轨断裂检测方法研究

研究目的:随着我国铁路向客运高速化、货运重载化方向发展,对轨道结构的完整性提出了更高的要求,铁路运输安全保障工作的重要性越来越高。本文设计了一种适用于对没有装设轨道电路的无缝长轨区段进行断轨检测的方法,并对断轨检测机理进行了深入分析研究。研究结论:此方法不易受到钢轨及道床的电气参数影响,可以替代轨道电路完成断轨检测功能,并能通过声波回波时间和幅值估测钢轨断裂位置和裂纹大小,对防止断轨事故的发生具有重要意义。     

钢轨焊前断面廓形参数检测方法研究

钢轨断面的廓形参数对钢轨焊接后的平直度、焊后打磨、钢轨品质等影响重大。针对钢轨焊接前的轨端廓形检测,在激光传感器采集的廓形数据基础上,详细论述数据的处理方法和过程,主要包括数据的预处理、数据的融合、分段拟合、廓形的计算等,分析不同方法针对该研究目的的可行性、适应性以及准确性,最终选择移动平均法进行数据的预处理,采用矩形标准块和圆柱标准块标定进行数据融合,基于协方差矩阵的特征值选取分段点,最小二乘法进行分段拟合。试验数据表明,该方法对数据处理的效果良好,可以高效精确地检测出钢轨焊前断面的廓形尺寸。