基于图像处理的钢轨表面缺陷检测系统设计

发布时间：2024-12-07 06:19

　　铁路作为交通运输的大动脉,在经济社会发展中起着至关重要的作用。随着我国铁路运营里程、运行速度、运行密度的不断提高,钢轨表面产生的缺陷会对行车安全造成威胁,甚至危害人民财产和生命安全。目前,已有缺陷检测方法,如人工检测法、电磁涡流检测法和超声波检测都存在检测速度慢的局限性。针对上述问题,本文设计了一种基于图像处理的钢轨表面缺陷检测系统,针对如何提高检测速度并兼顾检测精度这一关键问题,进行了深入研究,具体研究工作如下:(1)设计并搭建了一套硬件系统,通过运动平台带动钢轨水平移动,处于钢轨正上方的工业相机实时拍摄钢轨表面获取钢轨图像,并对硬件系统中涉及的硬件进行分析与选型。(2)针对外界因素干扰会导致图像质量变差的问题,采用图像预处理方法减少外界因素的干扰。首先,通过非线性灰度变换对钢轨图像进行图像增强处理,增强钢轨区域和背景区域对比度。其次,通过维纳滤波对钢轨图像进行图像去模糊处理,较少运动模糊对钢轨缺陷检测的影响。之后,通过双边滤波对钢轨图像进行图像去噪处理,减少噪点对钢轨缺陷检测的影响。最后,采用直线段检测法(Line Segment Detector,LSD)和垂直投影积分对钢轨区域进...

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 论文主要研究内容及章节安排
第二章 钢轨表面缺陷检测系统设计
    2.1 钢轨与钢轨缺陷类型
        2.1.1 钢轨结构与材质
        2.1.2 钢轨表面缺陷的类型和形成机理
    2.2 钢轨表面缺陷检测系统的功能和性能要求
        2.2.1 功能要求
        2.2.2 性能要求
    2.3 钢轨表面缺陷检测系统总体方案设计
        2.3.1 硬件平台设计
        2.3.2 软件系统设计
    2.4 本章小结
第三章 钢轨表面图像预处理
    3.1 钢轨图像增强
        3.1.1 灰度变换
        3.1.2 直方图均衡化
    3.2 钢轨图像复原
        3.2.1 逆滤波复原
        3.2.2 维纳滤波复原
    3.3 钢轨图像去噪
        3.3.1 噪声分类
        3.3.2 去噪方法
        3.3.3 去噪评价分析
    3.4 钢轨区域提取
        3.4.1 基于LSD的钢轨区域提取方法
        3.4.2 实验结果分析
    3.5 本章小结
第四章 钢轨表面缺陷检测
    4.1 基于深度学习的目标检测相关算法介绍
    4.2 YOLO系列目标检测算法介绍
        4.2.1 YOLO算法基础理论介绍
        4.2.2 YOLOv5 算法理论介绍
    4.3 基于注意力机制的YOLOV5 算法
        4.3.1 T2T模块
        4.3.2 基于注意力机制的 Shuffle Net 模块
        4.3.3 TPH模块
    4.4 钢轨表面缺陷检测实验
        4.4.1 实验环境配置
        4.4.2 数据集构建
        4.4.3 模型训练
        4.4.4 实验结果分析
    4.5 本章小结
第五章 钢轨表面缺陷在线检测系统设计
    5.1 硬件系统选型
    5.2 软件系统设计
        5.2.1 软件设计架构
        5.2.2 软件测试
    5.3 实验测试分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献



本文编号：4014941