基于LabVIEW机器视觉的钢轨质量监测系统研究与设计

作     者：韩含 

作者单位：天津职业技术师范大学 

学位级别：硕士

导师姓名：田立国;褚海波

授予年度：2024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：机器视觉 LabVIEW 图像处理 钢轨表面缺陷检测 SSD-Mobilenet算法 

摘      要：在钢轨轧制过程中,由于加工工艺不完善、设备和部件老化等因素,钢轨表面经常出现各种缺陷,主要包括裂纹、划痕等。这些缺陷会影响钢轨的外观质量、耐磨性和耐腐蚀性,降低钢轨的性能指标。如果这些缺陷不能及时发现和修复,钢轨在运输和安装过程中可能会出现更严重的问题,甚至导致钢轨断裂,危及铁路的稳定性和安全性,对列车运营造成严重威胁。因此,对生产线上的钢轨表面质量进行监测非常重要。钢轨表面质量检测的发展大致可分为三个阶段:人工视觉检测阶段、机电光学技术检测阶段和机器视觉检测阶段。虽然人工目视检查法被广泛使用,但存在工人工作强度大、漏检率高的缺点。机电光学检测法虽然克服了人工目视检查方法的缺点,但其在应用上也存在着很多局限。相比之下,机器视觉检测法受环境和磁场的影响较小、测量精度高、工作距离可调,满足了生产线快速的生产节奏和现代工业自动检测的效率和精度要求。本文使用LabVIEW平台进行机器视觉的图像处理和分析,结合目前深度学习领域的相关技术及部署方案,设计并实现了基于Lab VIEW机器视觉的钢轨表面质量监测系统。首先,利用数据增强的方式在钢轨公开数据集的基础上生成新的数据样本,用Label Img图像标注工具对图像进行标注。其次,通过图像分割、形态学分析等图像处理技术对钢轨表面缺陷数据集进行处理和分析。然后,以卷积神经网络为基础,针对钢轨表面质量监测系统中所涉及的目标检测算法进行研究,对目前较为流行的三种目标检测模型在钢轨表面缺陷数据集中进行训练与评估,并对基于K-Means聚类的SSD-Mobilenet算法进行优化。通过对四种模型进行实验对比,本系统选用优化后的K-Means聚类的SSD-Mobilen et算法。最后,将视觉模块和运动控制模块系统进行整合并进行测试,利用Lab VIEW软件编程设计了图形显示界面,能够直观地展示钢轨表面缺陷的检测结果和数据分析结果,实现了对钢轨表面缺陷的实时、在线监测。实验表明,本系统能够快速有效地诊断钢轨表面裂纹和划痕这两种主要缺陷,应用在钢轨生产中更容易实现钢轨表面缺陷检测的智能化,达到钢轨工件表面缺陷检测的要求。