基于機(jī)器視覺的鐵路扣件缺陷檢測方法研究

《基于機(jī)器視覺的鐵路扣件缺陷檢測方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、中圖分類號：ＴＰ３９１．４密級：公開ＵＤＣ；；本校編號菊Ｗ義遺乂聲碩±學(xué)位論文論文題目：基于機(jī)器視覺的鐵路扣件缺陷｜檢測方法研究：Ｊ研究生姓名：王珍珍學(xué)號：０２１３０４５４＾思＇明職稱教授學(xué)校指導(dǎo)教師姓名：：申請學(xué)仿等級；王學(xué)碩壬學(xué)位專業(yè)；交通信息工程及控制２０１６．６．１７２０１６．６．３論文提交日期：論文答辯日期；：．－：Ｉ獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究王作和取得的研究成果，除了文中特別加Ｗ標(biāo)注和致謝之處外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的

2、研究成果，也不包含獲得蘭州巧通大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示了謝意。學(xué)位論文作者簽名：簽字日期：巧（（年＾月名日Ｉ學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解蘭州巧通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。恃授權(quán)蘭州交通大學(xué)可Ｗ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，并采用影印、縮印或掃描等復(fù)制手段保存、匯編Ｗ供查閱和借閱。同意學(xué)校向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和磁盤。（保密的學(xué)位論文在解密后適用本授權(quán)）說明學(xué)位論文作者簽名：導(dǎo)簽名；師

3、簽曰；心＞｜字期年月曰簽曰｜年字｜月曰（八是／）＾Ｊ＾＾＾碩士學(xué)位論文基于機(jī)器視覺的鐵路扣件缺陷檢測方法研究ResearchonDetectionMethodforRailwayFastenerDefectsBasedonMachineVision作者姓名：王珍珍學(xué)科、專業(yè)：交通信息工程及控制研究方向：圖像處理學(xué)號：02130454指導(dǎo)教師：王思明完成日期：2016年4月25日蘭州交通大學(xué)LanzhouJiaotongUniversity蘭州交通大學(xué)碩士學(xué)位論文摘要近年來，由于列車向高速、重載的方向迅速發(fā)展，因此，對鐵路線路的維護(hù)工作也提出了更高的要求。傳統(tǒng)的人工檢修方法對

4、于當(dāng)今現(xiàn)代化鐵路安全自動維護(hù)的需求而言已經(jīng)過時?，F(xiàn)場數(shù)據(jù)調(diào)查可知，一旦鐵路扣件缺陷連續(xù)存在3個以上就有可能導(dǎo)致列車脫軌事故的發(fā)生。然而，由于技術(shù)的欠缺，目前，在現(xiàn)場大多數(shù)路段對扣件缺陷的檢測方法仍舊需要依靠工人沿線路巡查，該方法已不能滿足定期檢修的需要。另外，工人的安全也不能得到有效的保障。因此，該方法已無法保障為列車的高速運(yùn)行提供一個安全可靠的線路環(huán)境。在此種環(huán)境下，研發(fā)一種可靠、通用的自動對鐵路扣件缺陷檢測的方法就顯得尤為重要。針對現(xiàn)有鐵路扣件缺陷檢測方法存在的不足，本文在機(jī)器視覺和圖像處理的基礎(chǔ)上，初步實(shí)現(xiàn)了扣件缺陷的自動檢測與分類，并設(shè)計了基于機(jī)器視覺的鐵路扣件缺陷檢測系

5、統(tǒng)的軟件界面平臺。首先，對獲取的幀圖像進(jìn)行預(yù)處理，對灰度圖像進(jìn)行灰度化，減少圖像的信息量。通過對圖像去噪和增強(qiáng)處理，減少了圖像傳輸過程中對圖片質(zhì)量的影響，提高圖像的清晰度與對比度。針對扣件定位差的問題，利用LSD(LineSegmentDetector,直線提取)算法實(shí)現(xiàn)扣件枕肩位置的準(zhǔn)確定位，結(jié)合圖像的邊緣特征圖實(shí)現(xiàn)扣件鋼軌區(qū)域的準(zhǔn)確定位，利用鋼軌邊緣位置與枕肩位置的結(jié)構(gòu)信息關(guān)系，對扣件區(qū)域?qū)崿F(xiàn)最終的準(zhǔn)確定位。最后，利用融合分層LBP(LocalBinaryPattern,局部二值模式)和分層HOG(HistogramofOrientedGradient,方向梯度直方圖)特征提

6、取算法對視頻流中定位后的各類扣件提取特有的特征，并將此特征數(shù)據(jù)作為扣件分類器訓(xùn)練的依據(jù)?；诙诸惖腟VM(SupportVectorMachine,支持向量機(jī))分類器對扣件缺陷進(jìn)行準(zhǔn)確分類。引用了先進(jìn)的一對一特征的分類方法進(jìn)行了SVM離線訓(xùn)練，基于“投票法”的思想實(shí)現(xiàn)在線對扣件缺陷的準(zhǔn)確分類。通過選取大量的正負(fù)樣本進(jìn)行仿真實(shí)驗，本方法有效提高了系統(tǒng)的識別分類的準(zhǔn)確率。設(shè)計的鐵路扣件缺陷監(jiān)測系統(tǒng)的軟件界面平臺，其操作內(nèi)容有：登錄、視頻采集、存儲、定位、缺陷檢測識別和報警管理等六個模塊。當(dāng)監(jiān)控窗口中出現(xiàn)缺陷扣件時，能夠自動地對其進(jìn)行檢測與分類，同時把分類結(jié)果通過無線傳輸系統(tǒng)發(fā)送到工

7、務(wù)段，并將其作為其維護(hù)的重要依據(jù)。關(guān)鍵詞：鐵路扣件缺陷；直線提?。环謱犹卣?；SVM論文類型：應(yīng)用技術(shù)研究-I-基于機(jī)器視覺的鐵路扣件缺陷檢測方法研究AbstractInrecentyears,duototherapiddevelopmentofthehigh-speedandheavytrain,higherrequirementsareputforwardbytherailwaylinemaintenancework.Thetraditionalmanualmaintenanc