基于部件模型的高铁扣件检测算法研究

发布时间：2021-04-07 11:45

　　随着中国高铁事业的快速发展,铁路轨道检测作为保障列车安全平稳运行的重要基础显得愈加重要。近年来,图像处理技术发展迅速并逐渐用于铁路轨道的自动化检测。扣件是将钢轨固定在轨枕的关键零件,若发生丢失或断裂会导致列车运行时发生严重的安全事故,因此针对扣件的检测算法研究具有极其重要的意义。可变形部件模型是一种基于部件的目标检测模型,广泛应用于目标识别领域,本文以可变形部件模型为基础对高铁扣件进行检测,主要内容如下:（一）为了实现高铁缺陷扣件的准确、快速和自动化检测,提出一种结合特征相似度和部件模型的扣件检测算法。首先,针对高铁扣件利用隐藏变量SVM进行训练,得到扣件部件模型和各部件的权重;其次,根据扣件特点确定合理的模型金字塔层数,并对扣件部件模型作掩膜操作去除部分背景区域;然后,计算非掩膜区域HOG特征向量,根据该特征向量和部件权重进行扣件的准确定位;最后,由于每张图像中有多个扣件,通过计算相邻扣件的距离信息和特征相似度作为缺陷扣件存在的快速判断准则,确定该图像中是否存在缺陷扣件。理论分析和实验结果表明,本文算法具有较低的误检率和漏检率,检测精度高,检测速度快,对于外部光照变化具有较好的鲁棒性... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

高速铁路轨道

西南交通大学硕士研究生学位论文 轨道检测方法是利用安装在轨道车上的视频摄回来，然后经过培训的工人通过观察图像方法相比于传统轨道检测方法极大降低了工面前观看铁路沿线的图像即可，不需要工旧是以人工检测为主，远远达不到自动化检智能的铁路轨道检测系统。的零部件根据用途不同主要包括钢轨、扣件是将钢轨固定在轨枕上的关键零件，扣件在和扭转应力，随着轨道运行时间的增加容易出现的缺陷扣件如图 1-2 所示。缺陷扣件如重的行车事故，扣件的完好无损是保证高铁一种快速准确的扣件状态检测方法，能够及全隐患成为高铁线路轨道检测的重点。

西南交通大学硕士研究生学位论文 第 4页提出了很多检测效果很好的检测方法，STELLA E 等人[17]根据铁路的先验几何关系确定出扣件窗口，之后对定位出的扣件子图做小波变换以提取扣件特征，并利用 PCA 主成分分析降低特征维数，最后对利用 BP 神经网络和 RBF 神经网络检测出扣件类别。SINGH M 等人[18]利用边缘密度来定位扣件和检测丢失扣件，接着根据扣件颜色信息检测出近段时间更换过的扣件。MARINO F 等人[19]首先根据铁路各部件的先验几何关系确定出扣件窗口，然后对扣件窗口进行不同形式的小波变换（Daubechies 小波与 Haar 小波），最后对变换结果分别用多层感知器神经网络分类器进行分类并对分类结果进行交叉验证。国内在20世纪70年代开始对机器视觉在轨道巡检系统的应用方面进行理论和算法研究，王留军等人[20]将机器视觉技术成功运用于铁路轨道巡检，进而组成一套智能巡检系统。系统从功能上分为三个部分，分别是轨道图像采集与存储、轨道图像缺陷检测、缺陷轨道图像数据管理。图像采集方法如图 1-3 所示，系统利用 LED 频闪光源配合相机在高速运行的巡检车上拍摄到轨道图像。


本文编号：3123432