轨道扣件缺失的机器视觉快速检测方法

轨道扣件缺失检测是铁路日常巡检的一项重要内容,结合现代化铁路对自动化检测技术的实时性和自适应性要求,提出了一种基于机器视觉的轨道扣件缺失实时检测方法.为了应对环境光线的干扰,设计了遮光罩加LED辅助光源的图像采集装置,利用开关型中值滤波和基于图像梯度幅值的改进Canny边缘检测方法,对扣件边缘特征进行自适应图像增强.结合扣件弹条稳定的内外边缘轮廓特征,利用基于曲线特征投影的模板匹配实现了扣件缺失的实时检测.经过实验验证,平均每帧图像的处理时间为245.61ms,平均正确识别率为85.8%,且该方法具有一定的自适应性,最高支持3.82m/s的推行速度,可满足对实际运营线路进行扣件缺失实时检测的需求.

一种基于计算机视觉的铁轨扣件缺失检测方法

针对传统扣件检测方法式效率低、可靠性差,不能满足现代铁路检修的需要,提出了一种基于计算机视觉的扣件缺失自动检测方法。在对灰度图像进行Canny边缘检测处理后采用十字交叉定位法对扣件位置进行定位,得到120×200像素的扣件区域,并提取扣件图像的20个边缘特征值;最后,利用模糊C均值聚类算法对这两类的特征量进行聚类分析,通过计算待诊断对象与标准模式的隶属度实现对扣件状态的分类。应用验证表明：采用的图像处理方法和识别分类算法能够有效检出轨道扣件缺失,检测速度快,鲁棒性好,检出率达96%。

有砟轨道扣件缺失识别算法的研究

针对有砟轨道扣件缺失问题,提出了基于fast PCA和bag of words的两级分类扣件图像缺失识别算法。考虑到算法的可移植性和拍摄角度的不同,图像中钢轨和轨枕的方向并不一定是垂直的,单扣件定位识别具有局限性,提出采用双扣件图像作为样本。通过第一级分类器判断扣件是否缺失,进而得到扣件的具体位置。通过第二级分类器判断缺失扣件的类型,进一步得到扣件缺失的数目。该识别算法可达到较好的识别效果,有效地解决了拍摄角度不同的情况下有砟轨道缺失扣件的检测问题。

基于图像处理的轨道扣件状态检测

阐述了基于图像处理的扣件状态自动检测过程,包括图像采集、图像预处理、扣件提取和扣件模式识别。利用主成分分析方法进行扣件图片降维,训练分类器,并进行了试验。试验表明,本文提供的方法能够有效识别扣件的缺失状态。