基于机器视觉的钢轨表面缺陷检测技术研究-电路与系统专业论文.docxVIP

万方数据 万方数据 西南科技大学硕士研究生学位论文第 西南科技大学硕士研究生学位论文 第 I 页 摘 要 针对目前人工检测钢轨表面缺陷存在的检测 效率低，检测结果受主观影 响严重等问题，本文对基于机器视觉的钢轨表面缺陷检测技术进行研究 ，通 过图像处理、模式识别等技术实现钢轨表面缺陷的自动识别和分类。 本文结合机器视觉理论和钢轨质检要求，设计了基于机器视觉的钢轨表 面缺陷检测系统总体方案，在实验 室环境下完成图像采集硬件平台搭建和图 像采集；对钢轨表面图像处理算法进行研究，着重对图像预处理、 缺陷图像 初检以及缺陷图像分割三部分进行研究。在预处理阶段，根据实验采集图片 特点提出一种 基于投影积分的自适应钢轨区域定位方法实 现钢轨区域提取， 采用自适应中值滤波实现钢轨表面图像去噪。此外，本文 结合钢轨缺陷图像 特点，着重对人眼视觉注意机制进行研究，提出基于上下文感知的视觉检测 与迭代阈值分割相结合的缺陷分割方法，实现缺陷 图像分割；对钢轨表面典 型缺陷成因及特点进行分析研究， 提取缺陷图像的灰度、纹理和几何形状三 个特征，根据缺陷特征向量设计并实现了基于支持向量机的钢轨表面缺陷多 分类器。 通过结果分析，本系统可实现轧疤、轧痕、夹杂以及伪缺陷的识别和分 类，缺陷总体识别准确率达到 84%，实验表明本系统对实际应用具有一定参 考价值。 关 键 词 ： 机 器 视 觉 钢 轨 缺 陷 检测 视 觉 注 意 机 制 缺 陷 识 别 支持向量机 西南科技大学硕士研究生学位论文第 西南科技大学硕士研究生学位论文 第 II 页 Abstract Because of the low detection efficiency ,test results seriously affected by subjectivity and other issues with current manual inspection of the rail surface defects detection, researches of the rail surface defect detection based on machine vision technology was carrieied out.In this paper,we realize automatic identification and classification of rail surface defects by image processing, pattern recognition and other technologies. Combining machine vision theory with quality control requirements of the rail, we designed the overall solution of rail surface defect detection system based on machine vision and completed image acquisition using the hardware platform built in the experimental environment ; Besides, we sdut ied on the rail surface image processing algorithms, especially focusing on image preprocessing, defect first inspection and defect image segmentation. In the pre-processing stage, an adaptive method based on projection integral to extract rail area was proposed according to the characteristics of images.We uesd adaptive median filtering to depressing the noise in rail surface images. In addition, the paper focused on the human visual attention mechanism and psoposed a defect segmentation method conbined context-aware visual inspection with iterative threshold to achieve defect segme