基于视觉注意力和 PLSA 模型的钢轨表面缺陷检测.pdfVIP

第 12卷 第 3期 铁道科学与工程学报 Volume 12 Number3 2015年 6月 JournalofRailwayScienceandEngineering June2015 基于视觉注意力和 PLSA模型的 钢轨表面缺陷检测 王军 (电子科技大学 中山学院，广东 中山5284021) 摘 要：针对 目前钢轨表面缺陷检测的速度，精度较低，分类较难的现状，提 出一种基于视觉注意力和PLSA模型的钢轨表 面缺陷检测方法；结合亮度和纹理特征的视觉注意力模型检测钢轨表面缺陷，提取原图像的缺陷区域，并采用PLSA模型对 提取的缺陷进行分类。实验结果表明：所提 出的方法提高了检测及分类的速度与精度 ，能满足钢轨表面缺陷检测的要求。 关键词：钢轨表面缺陷；4E觉注意力；PLSA；缺陷分类 中图分类号：U216．3；TU447 文献标志码：A 文章编号：1672—7029(2015)03—0509—06 RaiIsurfacedefectdetectionbasedonvisualattentionandPLSAmode WANG Jun (UniversityofElectronicScienceandTechnologyofChina，ZhongshanInstitute，Zhongshan5284021，China) Abstract：Aimedatthestatusquofactthatspeed，accuracyandclassificationofrailsurfacedefectsarerelative- lylow，thispaperproposedarailsurfacedefectdetectionmethodbasedon visualattention andPLSA model methodwhichiSacombinationofbrightnessandtextureofthevisualattentionmodeltodetectsurfacedefectsof rail，extractionofdefectsregionoftheoriginalimage，andusesthePLSA modeltoclassifythedefects．Theex— perlmentalresultsshow thattheproposedmethod，improvesthespeed，precisionandclassificationofrailsurface defectsdetectionand canmeettherequirementsoftherailsurfacedefectsdetection． Keywords：surfacedefects；visualattention；PLSA；defectclassification 近年来 ，随着轨道交通向高速，重载方向的发 相对于其他技术，计算机视觉具有速度快、精度高、 展以及轨道服役时间的增长，钢轨的表面缺陷检测 非接触、抗干扰性强等优点，是 目前这个领域 内研 技术更加受到重视。列车在有表面缺陷的钢轨上 究的热点。目前已有的基于计算机视觉技术的钢 行驶，可能使车轮磨损加快，甚至可能导致断轨和 轨表面缺陷检测技术 精度较低 ，速度较慢，很 车轮脱轨，极大威胁列车及人员的安全。因此，钢 难满足实时钢轨表面缺陷检测的要求且智能化程 轨表面进行有效的检测，对保障列车行使安全具有 度比较低，对检测出的钢轨表面缺陷的分类研究较 重大的意义。目前，钢轨表面缺陷检测技术主要有 少。本文提出基于视觉注意力模型的钢轨表面缺 涡流、超声、磁粉和机器视觉方法。这些技术都有 陷检测以及基于 PLSA的缺陷分类方法。首先对 各 自的缺点