鐵路扣件作為鋼軌與軌枕之間的必要連接部件,是維系鐵路運輸安全的重要元件,它主要用于固定鋼軌正確位置,防止鋼軌在縱橫向發(fā)生位移,同時還能提供適量的彈性,并將鋼軌所受的力傳遞給軌枕或道床承軌臺。扣件的缺失使鋼軌不能完全固定,嚴重影響著列車的安全運行,嚴重的情況下將可能導(dǎo)致列車發(fā)生脫軌等重大事故。隨著現(xiàn)代鐵路的飛速發(fā)展,對軌道扣件檢測提出新的需求。傳統(tǒng)的人工檢測在實際檢測中實時性和準確性差,所以如何快速、準確地實現(xiàn)鐵路扣件狀態(tài)識別檢測就顯得至關(guān)重要。本文結(jié)合鐵路扣件圖像采集系統(tǒng)和成熟的圖像處理技術(shù)實現(xiàn)鐵路扣件的識別檢測。論文的主要工作有:首先,從鐵路扣件圖像采集的基本要求出發(fā),分析現(xiàn)場采集圖像的實際情況、相機成像原理、光源特性等選取具體的采集系統(tǒng)硬件設(shè)備,同時根據(jù)扣件缺陷識別檢測原理介紹了本文算法流程。其次,圖像在采集過程中會產(chǎn)生噪聲,需要對鐵路扣件圖像進行濾波去噪。由于中值濾波去噪時能夠去除椒鹽噪聲帶來的偽邊緣,而引導(dǎo)濾波算法在去噪時具有較好的邊緣保持特性。因此,本文采用改進的引導(dǎo)濾波算法對鐵路扣件圖像去噪,有利于保留扣件邊緣特征,保證后續(xù)鐵路扣件圖像中扣件定位以及識別的準確性。再次,分析... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

扣件狀態(tài)類型

蘭州交通大學(xué)碩士學(xué)位論文GTC-80 型鋼軌探傷車作為我國目前主要用于軌道缺陷自動檢測的新一代鋼軌探，它是由寶雞南車時代工程機械有限公司與美國 SPERRY 公司共同設(shè)計生產(chǎn)，主要超聲檢測系統(tǒng)結(jié)合軌道巡檢系統(tǒng)，圖 1.2(b)所示為 GTC-80 型鋼軌探傷車。超聲檢統(tǒng)在正常檢測速度下也可以對道岔進行檢測，軌道巡檢系統(tǒng)采用的是非接觸式檢測器視覺技術(shù)，通過線陣 CCD 相機動態(tài)掃描采集軌道圖像，再經(jīng)過圖像技術(shù)對鋼軌件狀態(tài)進行缺陷識別檢測，最高檢測速度達 80km/h[18]。2016 年，一種車載式軌道智能檢測系統(tǒng)由鄭州鐵路局科學(xué)技術(shù)研究所和河南省科應(yīng)用物理研究有限公司共同設(shè)計完成。系統(tǒng)主要有采集存儲、圖像檢測識別、圖像庫組成，圖像采集通過將 4 臺相機和 LED 光源安裝在軌檢車底部來完成并保存在機中，該系統(tǒng)能夠準確地判斷扣件的缺失和斷裂，還能識別鋼軌表面的擦傷、掉塊陷[19]。在昆明鐵路局已試用，對扣件檢測的準確率達到 96%[20]。

具體圖像采集系統(tǒng)如圖 2.1 所示。圖 2.1 軌道扣件圖像采集系統(tǒng)框圖2.1.1 相機選擇目前，常用的圖像傳感器按照其芯片結(jié)構(gòu)和制作工藝的不同可以分為電荷耦合器件(CCD)和互補金屬氧化物半導(dǎo)體(CMOS)兩種，雖然兩者在進行光電信號轉(zhuǎn)換時都是通過感光二極管來完成，基本工作原理相同。但是在光電信號轉(zhuǎn)換完成后，兩者在電荷處理方式上有著很大的不同，前者因為其制作時的特殊工藝，電荷信號在轉(zhuǎn)移的過程中一般不會失真，所以經(jīng)光電轉(zhuǎn)換后的電荷信號通過移位寄存器轉(zhuǎn)移到 CCD 邊緣，經(jīng)放大器進行處理再由專門的信號處理芯片將放大器處理后的信號轉(zhuǎn)換成數(shù)字信號。而 CMOS能夠?qū)⒐怆娹D(zhuǎn)換后的電荷信號直接轉(zhuǎn)換成數(shù)字圖像信號，這是由于 CMOS 各個像素都有各自的放大器、數(shù)模轉(zhuǎn)換單元配合使用[25]。下面對 CCD 和 CMOS 兩種圖像傳感器在分辨率、靈敏度、噪聲等方面進行比較[26]：(1) 高分辨率結(jié)合上面對 CMOS 和 CCD 的分析，CMOS 的后續(xù)電荷處理方式更加復(fù)雜，每個像素都要配放大器，在分析比較同樣尺寸大小范圍內(nèi)的像素個數(shù)時，CCD 由于像素組成簡單，通常包含更多的像素，所以 CCD 分辨率也就高于 CMOS。(2) 噪

【參考文獻】：
期刊論文
[1]一種基于引導(dǎo)濾波圖像分層的紅外圖像細節(jié)增強算法[J]. 葛朋,楊波,韓慶林,劉鵬,陳樹剛,胡竇明,張巧燕.  紅外技術(shù). 2018(12)
[2]基于二次引導(dǎo)濾波的局部立體匹配算法[J]. 王凱,李志偉,朱成德,王鹿,黃潤才,郭亨長.  激光與光電子學(xué)進展. 2019(08)
[3]高鐵經(jīng)濟研究成果述評及基礎(chǔ)理論走向[J]. 林曉言.  北京交通大學(xué)學(xué)報(社會科學(xué)版). 2018(04)
[4]鐵路扣件彈條傷損自動檢測系統(tǒng)研發(fā)與驗證[J]. 代先星,丁世海,陽恩慧,WANG Kelvin Chenping,邱延峻,王平.  鐵道科學(xué)與工程學(xué)報. 2018(10)
[5]基于引導(dǎo)濾波和暗原色先驗理論透射率估值的視頻去霧算法[J]. 覃宏超,李炎炎,龍偉,趙瑞朋.  浙江大學(xué)學(xué)報(工學(xué)版). 2018(07)
[6]基于加權(quán)引導(dǎo)濾波的局部立體匹配算法[J]. 陳松,陳曉冬,蘇修,劉依林,汪毅,郁道銀.  納米技術(shù)與精密工程. 2017(05)
[7]一種改進的十字交叉軌道扣件定位方法[J]. 吳祿慎,萬超,陳華偉,史皓良.  鐵道標(biāo)準設(shè)計. 2016(12)
[8]基于計算機視覺的軌道扣件缺陷自動檢測算法研究[J]. 劉甲甲,熊鷹,李柏林,李立.  鐵道學(xué)報. 2016(08)
[9]我國鐵路將實現(xiàn)內(nèi)外互聯(lián)互通[J]. 律星光.  財經(jīng)界. 2016(08)
[10]基于機器視覺的車載式鐵路軌道智能巡檢系統(tǒng)研究[J]. 王留軍,張鷹.  成都信息工程大學(xué)學(xué)報. 2016(02)

博士論文
[1]基于特征融合與仿生模式的生物特征識別研究[D]. 徐穎.華南理工大學(xué) 2013
[2]面部表情識別方法的研究[D]. 歐陽琰.華中科技大學(xué) 2013
[3]基于支持向量機的自動加工過程質(zhì)量控制方法研究[D]. 朱波.重慶大學(xué) 2013
[4]圖像邊緣檢測技術(shù)及其應(yīng)用研究[D]. 曾俊.華中科技大學(xué) 2011
[5]基于機器視覺的駕駛?cè)似跔顟B(tài)識別關(guān)鍵問題研究[D]. 張偉.清華大學(xué) 2011
[6]唇讀發(fā)聲器中視覺信息的檢測與處理[D]. 王蒙軍.天津大學(xué) 2007

碩士論文
[1]基于圖像處理的鋼軌表面缺陷檢測與定位研究[D]. 李曉梅.蘭州交通大學(xué) 2018
[2]鐵路扣件狀態(tài)的識別研究[D]. 劉易鑫.河北科技大學(xué) 2018
[3]基于多特征融合的軌道螺栓扣件圖像識別技術(shù)研究[D]. 韓金岳.蘭州交通大學(xué) 2018
[4]基于信息熵的鐵路扣件狀態(tài)檢測算法研究[D]. 狄仕磊.西南交通大學(xué) 2017
[5]基于Halcon的瓜科全自動嫁接機視覺系統(tǒng)設(shè)計[D]. 王梓帆.沈陽農(nóng)業(yè)大學(xué) 2016
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的鐵軌扣件異常狀態(tài)檢測研究[D]. 趙鑫欣.北京交通大學(xué) 2016
[7]圖像邊緣檢測算法的改進及其應(yīng)用研究[D]. 鄧動偉.湖南師范大學(xué) 2016
[8]CCD工業(yè)智能視覺相機設(shè)計[D]. 張波波.大連理工大學(xué) 2015
[9]采用自適應(yīng)高斯引導(dǎo)濾波對條紋圖像去噪和三維重建[D]. 蔣卓承.深圳大學(xué) 2015
[10]基于DSP的高速軌道扣件檢測算法研究及系統(tǒng)設(shè)計[D]. 賈利紅.電子科技大學(xué) 2014



本文編號：3618810