铁轨表面缺陷机器视觉检测技术研究

作     者：姚盼盼 

作者单位：湖南大学 

学位级别：硕士

导师姓名：毛建旭

授予年度：2020年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

主      题：铁轨表面缺陷 机器视觉检测 引导滤波 加权最小二乘滤波 最大阈值分割 

摘      要：铁路运输凭借其运输量大、可持续性、环境友好型等特点在运输行业占有较大的比重,对我国的经济发展至关重要。铁路运输的高速度、高运载量极易对铁轨表面产生缺陷,铁轨表面缺陷不仅影响到列车的舒适性,严重时会对列车安全产生极大隐患。在列车不断提速的大背景下,不论在精度上还是在速度上,对于铁轨缺陷检测的要求也越来越高。传统的铁轨缺陷检测技术已不能完全满足当今铁路高要求的缺陷检测,越来越多的技术被应用于铁轨缺陷检测中。机器视觉在检测技术中以其无损、自动化、成本低等优点得到广泛利用,本文利用机器视觉技术对铁轨缺陷检测进行了研究工作,主要工作内容如下:(1)概述了铁轨缺陷检测研究的背景及意义,总结了常见的铁轨缺陷类型,介绍了铁轨缺陷检测技术及相关设备的特点,尤其是机器视觉相关技术在检测方面的优点。本文在此基础上进行了以下相关的内容研究及结构安排。(2)根据铁轨在复杂环境下的成像特点,设计了铁轨表面缺陷检测系统,该系统考虑了光源的入射角度、光源强度、距离等问题,提高了采集图像的质量。设计的铁轨缺陷检测设备在实验平台上进行实验测试,可以获得较理想的钢轨图像。(3)提出复杂背景下基于引导滤波和最大熵阈值法的铁轨缺陷检测算法,该方法根据铁轨缺陷区域与非缺陷区域具有方差较大差异性的特性,分析了引导滤波的特点,采用改进的引导滤波将缺陷区域进行平滑后与原图差分,去噪的同时增加了对比度,然后利用改进后的最大熵阈值分割将缺陷提取出来。实验结果表明分割效果优于传统的图像分割算法,同时改进后的最大熵阈值分割方法与背景熵无关,使得计算时间优于原始最大熵。(4)根据铁轨图像不同尺度上的灰度值变化,提出了铁轨表面缺陷图像的Y方向滤波检测算法。沿Y方向滤波的铁轨表面缺陷检测方法引入了像素灰度值,该滤波方法仅对Y方向单向进行平滑,依据灰度值来决定其平滑程度,实验结果表明经图像差分后可有效检测出铁轨缺陷,时间复杂度低,执行时间40.6ms。(5)提出了一种铁轨表面缺陷边缘提取算法,首先对铁轨图像去噪,再依据梯度对缺陷边缘平滑,梯度的大小决定了边缘的滤波程度,梯度越大,平滑程度越大,然后将平滑后的图像与去噪后的图像进行差分,最后采用拉依达准则分割图像提取缺陷边缘。实验证明本文提出的铁轨表面缺陷边缘提取算法有效减弱了复杂环境下所带来的干扰。