钢轨表面缺陷识别系统的设计与研究

论文题目: 钢轨表面缺陷识别系统的设计与研究

论文类型: 硕士论文

论文专业: 光学工程

作者: 孟佳

导师: 高晓蓉

关键词: 线阵,帧速率,线扫描速率,边缘连接,边缘生长,特征提取,模式识别

文献来源: 西南交通大学

发表年度: 2005

论文摘要: 随着现代铁路的高速发展,对现役钢轨进行检测越来越重要。为了克服人工检测方法的诸多弊端,顺应轨道缺陷自动检测的发展趋势,本文提出了基于图像处理、模式识别及机器视觉的钢轨表面缺陷检测方法。此方法不仅可以大大节省人力物力,同时也可提高检测速度和精度,具有广阔的应用前景。 论文主要由硬件和软件两部分构成。 第一部分主要是借鉴常用的机器视觉系统模型,设计出适合本系统的在线检测硬件构成,并针对系统所要求达到的精度进行了相应的参数计算,选择合适的元器件。论文分析了列车速度对图像质量的影响,提出保证图像在车速变化的过程中仍然具有一致分辨率的方案,即根据车速大小实时改变线阵相机的工作线扫描速率,并用实验验证了方案的可行性。同时利用所选器件到现场获取了大量缺陷图像。 第二部分主要是图像处理、模式识别部分。根据钢轨表面缺陷图像的特点,利用数字图像处理技术对采集到的轨道图像进行处理并提取出缺陷,同时对缺陷特征进行描述,最后利用有效特征对缺陷进行分类。图像处理和模式识别部分的主要步骤包括预处理、检测区域定位、边缘检测、边缘连接、目标缺陷定位、特征提取和模式分类。以下所提出的算法对准确地检测和分析缺陷具有极大的影响。 1.为避免轨道附近的碎石等杂物干扰缺陷的检测,减少运算量,在缺陷分析之前首先对轨道区域进行定位,利用垂直边缘检测算子强化轨道左右边界,再利用投影法确定轨道位置并将其剪切下来。 2.缺陷的边缘具有不规则性,为了对缺陷形状进行准确提取,论文中选择了改进的Sobel算子和Canny算子来完成边缘检测,提取效果好,可以有效地保护边缘信息。 3.改进了边缘生长算法,对细化后的边缘图像进行连接,达到一定效果。增强了目标缺陷的连通性。 4.对定位后的目标缺陷进行了特征描述,并且选择长宽比和致密度两个参数作为学习向量量化神经网络的输入特征,求出分类系统的参数。并对所

论文目录:

第1章 绪论

1.1 轨道表面缺陷检测的背景及意义

1.2 轨道表面缺陷存在的形式

1.3 本文要完成的工作

第2章 基于机器视觉的轨道表面缺陷识别系统的硬件组成

2.1 轨道表面缺陷识别系统的主要技术要求

2.2 视觉系统的组成

2.2.1 常用的机器视觉系统的组成方案

2.2.2 本系统的构成及系统的工作流程

2.3 图像获取和采集模块

2.3.1 照明方式及光源和滤光片的选择

2.3.2 摄像机的选择及相关参数的计算

2.3.3 相机的参数计算和选型

2.3.4 采集卡的选择

2.3.5 镜头的选择

2.3.5.1 成像原理及参数计算

2.3.5.2 景深的计算及参数的校正

2.4 控制模块

第3章 摄像机线扫描速率动态调整

3.1 摄像机线扫描速率调整的必要性

3.2 摄像机线扫描速率调整的原理

3.3 外部触发模式动态调整摄像机线扫描速率试验

3.3.1 试验原理及仪器

3.3.2 试验内容和结果

3.4 试验总结

第4章 钢轨表面缺陷识别系统的图像处理算法

4.1 数字图像处理的内容

4.2 图像处理算法流程

4.3 预处理和轨道表面信息定位

4.3.1 预处理

4.3.2 轨道表面信息的定位

4.4 边缘检测

4.4.1 边缘概念及常用的边缘检测算子

4.4.2 改进的Sobel、Krisch边缘方向检测算子

4.4.3 Canny边缘检测算子

4.5 边缘连接

4.5.1 连通数

4.5.2 距离

4.5.3 边缘生长算法的实现

4.6 目标缺陷的定位

4.6.1 消除直线

4.6.2 物体的标注

4.6.3 目标缺陷的提取

4.7 实际缺陷图像的处理结果

第5章 轨道表面缺陷图像的特征描述与识别

5.1 特征描述

5.1.1 几何特征

5.1.2 形状特征

5.1.3 形状描述子

5.2 具体的缺陷的特征提取

5.2.1 边界跟踪

5.2.2 特征计算

5.3 模式识别

5.3.1 常用的模式识别方法介绍及比较

5.3.2 学习向量量化神经网络及实现

第6章 总结与展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果

部分源程序

发布时间: 2006-03-06

参考文献

• [1].重载铁路用钢轨气压焊工艺研究[D]. 钟元.西南交通大学2017
• [2].基于相位测量轮廓术的钢轨三维形貌测量关键技术研究[D]. 任宏兵.西南交通大学2017
• [3].基于图像特征的钢轨表面瑕疵识别方法[D]. 王健荣.西南科技大学2017
• [4].基于机器视觉的钢轨表面缺陷检测技术研究[D]. 丁政开.北京交通大学2017
• [5].钢轨的腐蚀机理及有机—无机复合涂层防护技术的研究[D]. 罗虞霞.中南大学2012
• [6].基于几何特征的钢轨轨廓高精度匹配方法研究[D]. 鞠标.南昌大学2017
• [7].钢轨轨头磨耗检测与数据传输技术的研究[D]. 王忱平.南京理工大学2017
• [8].钢轨自动除锈机控制系统研究[D]. 梁羽.西南交通大学2013
• [9].城市轨道交通钢轨的动力吸振技术及其应用研究[D]. 关静岩.哈尔滨工业大学2009
• [10].高速电气化铁路牵引回流及钢轨电位特性研究[D]. 雷栋.西南交通大学2010

相关论文

• [1].基于机器视觉的表面缺陷检测系统的算法研究及软件设计[D]. 陈勇.天津大学2006
• [2].带钢表面缺陷边缘检测与分割[D]. 罗新斌.电子科技大学2007
• [3].钢轨断面检测技术的研究[D]. 李秋艳.中南大学2007
• [4].基于机器视觉的带钢表面缺陷检测系统研究[D]. 贾方庆.重庆大学2007
• [5].基于机器视觉的钢球表面缺陷检测系统[D]. 王鹏.哈尔滨理工大学2005
• [6].基于图像处理技术的表面缺陷自动检测系统的研究[D]. 张晓波.天津大学2004
• [7].轨道故障在线监测技术研究[D]. 肖秋根.国防科学技术大学2005
• [8].基于神经网络的冷轧带钢表面缺陷识别分类技术研究[D]. 王雪梅.电子科技大学2006
• [9].铁轨缺陷自动检测系统的研究[D]. 徐瑞梅.大连海事大学2003
• [10].图像处理硬件设计—在铁轨缺陷检测中的应用[D]. 赵磊.大连海事大学2004

标签：线阵论文;  帧速率论文;  线扫描速率论文;  边缘连接论文;  边缘生长论文;  特征提取论文;  模式识别论文;