基于图像处理的铁路扣件检测方法研究
发布时间：2022-02-10 11:26
铁路扣件作为钢轨与轨枕之间的必要连接部件,是维系铁路运输安全的重要元件,它主要用于固定钢轨正确位置,防止钢轨在纵横向发生位移,同时还能提供适量的弹性,并将钢轨所受的力传递给轨枕或道床承轨台。扣件的缺失使钢轨不能完全固定,严重影响着列车的安全运行,严重的情况下将可能导致列车发生脱轨等重大事故。随着现代铁路的飞速发展,对轨道扣件检测提出新的需求。传统的人工检测在实际检测中实时性和准确性差,所以如何快速、准确地实现铁路扣件状态识别检测就显得至关重要。本文结合铁路扣件图像采集系统和成熟的图像处理技术实现铁路扣件的识别检测。论文的主要工作有:首先,从铁路扣件图像采集的基本要求出发,分析现场采集图像的实际情况、相机成像原理、光源特性等选取具体的采集系统硬件设备,同时根据扣件缺陷识别检测原理介绍了本文算法流程。其次,图像在采集过程中会产生噪声,需要对铁路扣件图像进行滤波去噪。由于中值滤波去噪时能够去除椒盐噪声带来的伪边缘,而引导滤波算法在去噪时具有较好的边缘保持特性。因此,本文采用改进的引导滤波算法对铁路扣件图像去噪,有利于保留扣件边缘特征,保证后续铁路扣件图像中扣件定位以及识别的准确性。再次,分析...
【文章来源】：兰州交通大学甘肃省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
扣件状态类型
兰州交通大学硕士学位论文GTC-80 型钢轨探伤车作为我国目前主要用于轨道缺陷自动检测的新一代钢轨探，它是由宝鸡南车时代工程机械有限公司与美国 SPERRY 公司共同设计生产，主要超声检测系统结合轨道巡检系统，图 1.2(b)所示为 GTC-80 型钢轨探伤车。超声检统在正常检测速度下也可以对道岔进行检测，轨道巡检系统采用的是非接触式检测器视觉技术，通过线阵 CCD 相机动态扫描采集轨道图像，再经过图像技术对钢轨件状态进行缺陷识别检测，最高检测速度达 80km/h[18]。2016 年，一种车载式轨道智能检测系统由郑州铁路局科学技术研究所和河南省科应用物理研究有限公司共同设计完成。系统主要有采集存储、图像检测识别、图像库组成，图像采集通过将 4 台相机和 LED 光源安装在轨检车底部来完成并保存在机中，该系统能够准确地判断扣件的缺失和断裂，还能识别钢轨表面的擦伤、掉块陷[19]。在昆明铁路局已试用，对扣件检测的准确率达到 96%[20]。
具体图像采集系统如图 2.1 所示。图 2.1 轨道扣件图像采集系统框图2.1.1 相机选择目前，常用的图像传感器按照其芯片结构和制作工艺的不同可以分为电荷耦合器件(CCD)和互补金属氧化物半导体(CMOS)两种，虽然两者在进行光电信号转换时都是通过感光二极管来完成，基本工作原理相同。但是在光电信号转换完成后，两者在电荷处理方式上有着很大的不同，前者因为其制作时的特殊工艺，电荷信号在转移的过程中一般不会失真，所以经光电转换后的电荷信号通过移位寄存器转移到 CCD 边缘，经放大器进行处理再由专门的信号处理芯片将放大器处理后的信号转换成数字信号。而 CMOS能够将光电转换后的电荷信号直接转换成数字图像信号，这是由于 CMOS 各个像素都有各自的放大器、数模转换单元配合使用[25]。下面对 CCD 和 CMOS 两种图像传感器在分辨率、灵敏度、噪声等方面进行比较[26]：(1) 高分辨率结合上面对 CMOS 和 CCD 的分析，CMOS 的后续电荷处理方式更加复杂，每个像素都要配放大器，在分析比较同样尺寸大小范围内的像素个数时，CCD 由于像素组成简单，通常包含更多的像素，所以 CCD 分辨率也就高于 CMOS。(2) 噪
【参考文献】：
期刊论文
[1]一种基于引导滤波图像分层的红外图像细节增强算法[J]. 葛朋,杨波,韩庆林,刘鹏,陈树刚,胡窦明,张巧燕. 红外技术. 2018(12)
[2]基于二次引导滤波的局部立体匹配算法[J]. 王凯,李志伟,朱成德,王鹿,黄润才,郭亨长. 激光与光电子学进展. 2019(08)
[3]高铁经济研究成果述评及基础理论走向[J]. 林晓言. 北京交通大学学报(社会科学版). 2018(04)
[4]铁路扣件弹条伤损自动检测系统研发与验证[J]. 代先星,丁世海,阳恩慧,WANG Kelvin Chenping,邱延峻,王平. 铁道科学与工程学报. 2018(10)
[5]基于引导滤波和暗原色先验理论透射率估值的视频去雾算法[J]. 覃宏超,李炎炎,龙伟,赵瑞朋. 浙江大学学报(工学版). 2018(07)
[6]基于加权引导滤波的局部立体匹配算法[J]. 陈松,陈晓冬,苏修,刘依林,汪毅,郁道银. 纳米技术与精密工程. 2017(05)
[7]一种改进的十字交叉轨道扣件定位方法[J]. 吴禄慎,万超,陈华伟,史皓良. 铁道标准设计. 2016(12)
[8]基于计算机视觉的轨道扣件缺陷自动检测算法研究[J]. 刘甲甲,熊鹰,李柏林,李立. 铁道学报. 2016(08)
[9]我国铁路将实现内外互联互通[J]. 律星光. 财经界. 2016(08)
[10]基于机器视觉的车载式铁路轨道智能巡检系统研究[J]. 王留军,张鹰. 成都信息工程大学学报. 2016(02)
博士论文
[1]基于特征融合与仿生模式的生物特征识别研究[D]. 徐颖.华南理工大学 2013
[2]面部表情识别方法的研究[D]. 欧阳琰.华中科技大学 2013
[3]基于支持向量机的自动加工过程质量控制方法研究[D]. 朱波.重庆大学 2013
[4]图像边缘检测技术及其应用研究[D]. 曾俊.华中科技大学 2011
[5]基于机器视觉的驾驶人疲劳状态识别关键问题研究[D]. 张伟.清华大学 2011
[6]唇读发声器中视觉信息的检测与处理[D]. 王蒙军.天津大学 2007
硕士论文
[1]基于图像处理的钢轨表面缺陷检测与定位研究[D]. 李晓梅.兰州交通大学 2018
[2]铁路扣件状态的识别研究[D]. 刘易鑫.河北科技大学 2018
[3]基于多特征融合的轨道螺栓扣件图像识别技术研究[D]. 韩金岳.兰州交通大学 2018
[4]基于信息熵的铁路扣件状态检测算法研究[D]. 狄仕磊.西南交通大学 2017
[5]基于Halcon的瓜科全自动嫁接机视觉系统设计[D]. 王梓帆.沈阳农业大学 2016
[6]基于卷积神经网络的铁轨扣件异常状态检测研究[D]. 赵鑫欣.北京交通大学 2016
[7]图像边缘检测算法的改进及其应用研究[D]. 邓动伟.湖南师范大学 2016
[8]CCD工业智能视觉相机设计[D]. 张波波.大连理工大学 2015
[9]采用自适应高斯引导滤波对条纹图像去噪和三维重建[D]. 蒋卓承.深圳大学 2015
[10]基于DSP的高速轨道扣件检测算法研究及系统设计[D]. 贾利红.电子科技大学 2014
本文编号：3618810
【文章来源】：兰州交通大学甘肃省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
扣件状态类型
兰州交通大学硕士学位论文GTC-80 型钢轨探伤车作为我国目前主要用于轨道缺陷自动检测的新一代钢轨探，它是由宝鸡南车时代工程机械有限公司与美国 SPERRY 公司共同设计生产，主要超声检测系统结合轨道巡检系统，图 1.2(b)所示为 GTC-80 型钢轨探伤车。超声检统在正常检测速度下也可以对道岔进行检测，轨道巡检系统采用的是非接触式检测器视觉技术，通过线阵 CCD 相机动态扫描采集轨道图像，再经过图像技术对钢轨件状态进行缺陷识别检测，最高检测速度达 80km/h[18]。2016 年，一种车载式轨道智能检测系统由郑州铁路局科学技术研究所和河南省科应用物理研究有限公司共同设计完成。系统主要有采集存储、图像检测识别、图像库组成，图像采集通过将 4 台相机和 LED 光源安装在轨检车底部来完成并保存在机中，该系统能够准确地判断扣件的缺失和断裂，还能识别钢轨表面的擦伤、掉块陷[19]。在昆明铁路局已试用，对扣件检测的准确率达到 96%[20]。
具体图像采集系统如图 2.1 所示。图 2.1 轨道扣件图像采集系统框图2.1.1 相机选择目前，常用的图像传感器按照其芯片结构和制作工艺的不同可以分为电荷耦合器件(CCD)和互补金属氧化物半导体(CMOS)两种，虽然两者在进行光电信号转换时都是通过感光二极管来完成，基本工作原理相同。但是在光电信号转换完成后，两者在电荷处理方式上有着很大的不同，前者因为其制作时的特殊工艺，电荷信号在转移的过程中一般不会失真，所以经光电转换后的电荷信号通过移位寄存器转移到 CCD 边缘，经放大器进行处理再由专门的信号处理芯片将放大器处理后的信号转换成数字信号。而 CMOS能够将光电转换后的电荷信号直接转换成数字图像信号，这是由于 CMOS 各个像素都有各自的放大器、数模转换单元配合使用[25]。下面对 CCD 和 CMOS 两种图像传感器在分辨率、灵敏度、噪声等方面进行比较[26]：(1) 高分辨率结合上面对 CMOS 和 CCD 的分析，CMOS 的后续电荷处理方式更加复杂，每个像素都要配放大器，在分析比较同样尺寸大小范围内的像素个数时，CCD 由于像素组成简单，通常包含更多的像素，所以 CCD 分辨率也就高于 CMOS。(2) 噪
【参考文献】：
期刊论文
[1]一种基于引导滤波图像分层的红外图像细节增强算法[J]. 葛朋,杨波,韩庆林,刘鹏,陈树刚,胡窦明,张巧燕. 红外技术. 2018(12)
[2]基于二次引导滤波的局部立体匹配算法[J]. 王凯,李志伟,朱成德,王鹿,黄润才,郭亨长. 激光与光电子学进展. 2019(08)
[3]高铁经济研究成果述评及基础理论走向[J]. 林晓言. 北京交通大学学报(社会科学版). 2018(04)
[4]铁路扣件弹条伤损自动检测系统研发与验证[J]. 代先星,丁世海,阳恩慧,WANG Kelvin Chenping,邱延峻,王平. 铁道科学与工程学报. 2018(10)
[5]基于引导滤波和暗原色先验理论透射率估值的视频去雾算法[J]. 覃宏超,李炎炎,龙伟,赵瑞朋. 浙江大学学报(工学版). 2018(07)
[6]基于加权引导滤波的局部立体匹配算法[J]. 陈松,陈晓冬,苏修,刘依林,汪毅,郁道银. 纳米技术与精密工程. 2017(05)
[7]一种改进的十字交叉轨道扣件定位方法[J]. 吴禄慎,万超,陈华伟,史皓良. 铁道标准设计. 2016(12)
[8]基于计算机视觉的轨道扣件缺陷自动检测算法研究[J]. 刘甲甲,熊鹰,李柏林,李立. 铁道学报. 2016(08)
[9]我国铁路将实现内外互联互通[J]. 律星光. 财经界. 2016(08)
[10]基于机器视觉的车载式铁路轨道智能巡检系统研究[J]. 王留军,张鹰. 成都信息工程大学学报. 2016(02)
博士论文
[1]基于特征融合与仿生模式的生物特征识别研究[D]. 徐颖.华南理工大学 2013
[2]面部表情识别方法的研究[D]. 欧阳琰.华中科技大学 2013
[3]基于支持向量机的自动加工过程质量控制方法研究[D]. 朱波.重庆大学 2013
[4]图像边缘检测技术及其应用研究[D]. 曾俊.华中科技大学 2011
[5]基于机器视觉的驾驶人疲劳状态识别关键问题研究[D]. 张伟.清华大学 2011
[6]唇读发声器中视觉信息的检测与处理[D]. 王蒙军.天津大学 2007
硕士论文
[1]基于图像处理的钢轨表面缺陷检测与定位研究[D]. 李晓梅.兰州交通大学 2018
[2]铁路扣件状态的识别研究[D]. 刘易鑫.河北科技大学 2018
[3]基于多特征融合的轨道螺栓扣件图像识别技术研究[D]. 韩金岳.兰州交通大学 2018
[4]基于信息熵的铁路扣件状态检测算法研究[D]. 狄仕磊.西南交通大学 2017
[5]基于Halcon的瓜科全自动嫁接机视觉系统设计[D]. 王梓帆.沈阳农业大学 2016
[6]基于卷积神经网络的铁轨扣件异常状态检测研究[D]. 赵鑫欣.北京交通大学 2016
[7]图像边缘检测算法的改进及其应用研究[D]. 邓动伟.湖南师范大学 2016
[8]CCD工业智能视觉相机设计[D]. 张波波.大连理工大学 2015
[9]采用自适应高斯引导滤波对条纹图像去噪和三维重建[D]. 蒋卓承.深圳大学 2015
[10]基于DSP的高速轨道扣件检测算法研究及系统设计[D]. 贾利红.电子科技大学 2014
本文编号：3618810
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3618810.html
