基于LoG梯度加权Haar-like特征的车轮裂纹检测

列车长时间运行后,车轮侧面出现许多裂纹,数量和尺寸达到一定标准后需进行更换,以保证安全。该标准定制的前提是对大量的车轮裂纹进行测量统计,而由人工进行这些工作需要大量的人力和物力,因此采用基于图像模式识别的自动检测能够节省大量的资源。文中主要研究列车车轮裂纹的检测定位算法,针对车轮表面裂纹的图像特征,提出一种基于LoG梯度加权Haar-like特征,能够有效地描述裂纹周围图像特性,从而更精确地进行裂纹描述,并提出改进的基于阈值限制LUT的Real-Adaboost机器学习算法训练裂纹检测分类器,进行快速精确的裂纹目标检测,实验部分验证了算法的有效性。