受电弓滑板磨耗图像检测算法研究

论文摘要

在大量调研国内外目前受电弓滑板检测技术的基础上,本文采用光学图像检测和处理技术监测受电弓滑板磨耗,它是一种非接触式在线自动检测方法,具有效率高,检测精度高,不需要机车停车等优点。基于图像处理的滑板磨耗检测算法的设计和不断改进是磨耗检测精度提高的关键。检测系统采用CCD摄像机实现受电弓前后滑板的初始图像采集,然后将获取到的图片传输并存储到检测主机,通过后期的图像处理实现滑板磨耗的自动检测并输出数据报表和磨耗曲线。本文设计了滑板磨耗图像检测算法,主要包括图像预处理,边缘检测和连接,导线及滑板边缘定位等。重点是边缘检测和连接及滑板上下边缘定位算法,它们直接影响滑板磨耗最终检测精度,因而是算法设计的关键。整个设计过程中,本文首先比较了几种边缘检测和连接算法的优缺点,然后编程实现每种算法并验证了它们的处理效果,实验结果表明Canny边缘检测结合形态学边缘连接算法处理效果相对更好。定位算法则通过Hough变换检测直线和边缘搜索来实现,最后通过标定将像素坐标转换为物理坐标并绘制出滑板剩余厚度曲线。由于现有的图像处理算法对不同类型的滑板图片具有一定的局限性,例如对铝包边影响,雨雪天气影响以及LV2600弓型图片,很多情况下无法处理或是处理错误,因此,后期对算法进行了改进且测试结果表明改进后的算法能较好的解决上述问题。此外,系统在硬件方面也做了一些改进,选择了性能更好的新型闪光灯作为光源,对某些特殊弓型改用仰拍方式进行拍摄,它们都使滑板图片质量有了很大改善且减少了算法设计难度。实验及现场应用结果表明,算法和系统硬件方面的改进都使滑板磨耗检测精度有了较大提高,取得了明显的效果,其中算法改进后图像正确处理率有大幅提高。本文对滑板磨耗图像检测的方法以及边缘检测及定位算法的设计和实现都具有一定的参考价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文背景及意义
• 1.2 国内外现状
• 1.2.1 传统检测方法
• 1.2.2 智能化检测系统
• 1.2.3 基于图像处理技术的检测系统
• 1.2.4 小结
• 1.3 论文采用的方法及系统概述
• 1.3.1 论文采用的方法
• 1.3.2 检测系统组成
• 1.3.3 检测原理及流程
• 1.3.4 功能及技术指标
• 1.3.5 系统关键器件
• 1.4 论文主要工作
• 第2章 数字图像处理基础
• 2.1 图像基本知识
• 2.1.1 图像基本概念
• 2.1.2 图像形成模型
• 2.1.3 图像获取
• 2.1.4 图像文件格式
• 2.2 数字图像处理
• 2.2.1 数字图像处理概念
• 2.2.2 数字图像处理研究内容
• 2.2.3 数字图像处理的应用及发展
• 2.3 数字图像处理算法验证工具
• 2.3.1 Matlab概述
• 2.3.2 读写和显示图像文件
• 2.3.3 MATLAB图像处理工具箱中的函数
• 第3章 滑板磨耗图像处理算法分析研究
• 3.1 图像预处理
• 3.1.1 滤波器
• 3.1.2 图像平滑
• 3.2 边缘检测
• 3.2.1 边缘检测概述
• 3.2.2 主要的边缘检测方法
• 3.3 边缘连接
• 3.4 导线及边缘定位
• 3.5 图像标定
• 第4章 滑板磨耗算法设计实现
• 4.1 滑板磨耗图像处理算法设计流程
• 4.2 滑板磨耗图像处理算法实现及验证
• 4.3 滑板磨耗检测误差分析
• 第5章 算法改进及其它系统改进实验
• 5.1 算法改进及测试结果
• 5.1.1 算法改进目的
• 5.1.2 算法改进内容
• 5.1.3 改进后算法测试
• 5.2 检测系统光源改进及实验
• 5.2.1 闪光灯打光质量及稳定性提高
• 5.2.2 两种闪光灯性能比较
• 5.2.3 两种闪光灯打光效果的比较实验
• 5.3 特殊类型滑板拍摄方式改进及实验
• 5.3.1 改进目的
• 5.3.2 实验方案
• 5.3.3 实验内容
• 结论与展望
• 论文工作总结
• 未来工作展望
• 致谢
• 参考文献
• 附录: 部分算法MATLAB源代码
• 攻读硕士期间发表论文及成果