机器视觉在钢轨表面病害检测应用研究综述

繁忙的铁路运输会导致钢轨表面病害的出现,及时对钢轨表面进行检测能有效确保铁路的安全运行。首先介绍了钢轨表面病害的产生原因以及病害类型;其次分析了自动检测技术中机器视觉检测法的实现系统以及该方法的优势和面临的困境;再次从轨道背景、病害分割提取以及病害分类评估3个方面归纳了现如今主流的钢轨表面病害识别处理方案,即传统图像方法和机器学习方法。传统方法从纹理、图像语义2个方面进行特征提取和病害识别的算法设计,实现了对病害的识别、提取和预警,通过优化算法来克服环境因素带来的干扰,提高鲁棒性。近年来研究趋向于将传统方法与机器学习方法相结合,通过深度学习模型自动学习特征,弥补传统方法的不足,发挥机器学习方法在自适应性和泛化能力方面的优势,以实现更高的性能和应用广泛性。2种方法在特征设计方式、数据驱动与人工设计差异以及适应性和通用性3个方面各有优缺点。最后,提出视觉检测技术未来的发展方向应主要集中于提高算法的兼容性和多数据融合能力方面。