上海交通大学学报 ›› 2017, Vol. 51 ›› Issue (10): 1268-1272.doi: 10.16183/j.cnki.jsjtu.2017.10.017
闵永智1,肖本郁1,党建武1,殷超1,岳彪1,马宏锋2
发布日期:
2017-10-31
基金资助:
MIN Yongzhi1,XIAO Benyu1,DANG Jianwu1,YIN Chao1,YUE Biao1,MA Hongfeng2
Published:
2017-10-31
Supported by:
摘要: 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.
中图分类号:
闵永智1,肖本郁1,党建武1,殷超1,岳彪1,马宏锋2. 轨道扣件缺失的机器视觉快速检测方法[J]. 上海交通大学学报, 2017, 51(10): 1268-1272.
MIN Yongzhi1,XIAO Benyu1,DANG Jianwu1,YIN Chao1,YUE Biao1,MA Hongfeng2. Machine Vision Rapid Detection Method of the Track Fasteners Missing[J]. Journal of Shanghai Jiao Tong University, 2017, 51(10): 1268-1272.
[1]LI Q, REN S. A visual detection system for rail surface defects[J].IEEE Transactions on Systems Man & Cybernetics Part C, 2012, 42(6): 15311542. [2]钱广春. 基于计算机视觉的铁路扣件缺失快速探测方法研究[D].上海: 上海交通大学电子信息与电气工程学院, 2011. [3]王凌, 张冰, 陈锡爱. 基于计算机视觉的钢轨扣件螺母缺失检测系统[J].计算机工程与设计, 2011, 32(12): 41474150. WANG Ling, ZHANG Bing, CHEN Xiai. Inspection system for loss of rail fastening nut based on computer vision[J]. Computer Engineering and Design, 2011, 32(12): 41474150. [4]谢凤英, 吴叶芬, 周世新. 基于互信息的铁路轨枕扣件自动定位算法[J].中国体视学与图像分析, 2013, 18(2): 145149. XIE Fengying, WU Yefen, ZHOU Shixin. Railway fastener locating algorithm based on mutual information[J]. Chinese Journal of Stereology and Image Analysis, 2013, 18(2): 145149. [5]罗建桥, 刘甲甲, 李柏林, 等. 基于局部特征和语义信息的扣件图像检测[J].计算机应用研究, 2016, 33(8): 25142523. LUO Jianqiao, LIU Jiajia, LI Bailin, et al. Detection for railway fasteners based on local features and semantic information[J]. Application Research of Computers, 2016, 33(8): 25142523. [6]ZHANG S, KARIM M A. A new impulse detector for switching median filters[J]. IEEE Signal Processing Letters, 2002, 9(11): 360363. [7]张小虎, 李由, 李立春, 等. 一种基于梯度方向直方图的直线轮廓提取新方法[J].光学技术, 2006, 32(6): 824826. ZHANG Xiaohu, LI You, LI Lichun, et al. A newline boundary detection algorithm based on histogram of gradient’s direction[J]. Optical Technique, 2006, 32(6): 824826. [8]曾俊. 图像边缘检测技术及其应用研究[D].武汉: 华中科技大学自动化学院, 2011. [9]胡铟. 基于单目视觉的运动目标检测与跟踪算法研究[D]. 南京: 南京理工大学计算机科学与工程学院, 2008. |
[1] | 赵子任1, 杜世昌1, 黄德林1, 任斐2, 梁鑫光2. 多工序制造系统暂态阶段产品质量#br# 马尔科夫建模与瓶颈分析[J]. 上海交通大学学报, 2017, 51(10): 1166-1173. |
[2] | 周鹏辉, 马红占, 陈东萍, 陈梦月, 褚学宁. 基于模糊随机故障模式与影响分析的#br# 产品再设计模块识别[J]. 上海交通大学学报, 2017, 51(10): 1189-1195. |
[3] | 李昌玺1, 2, 周焰1, 林菡3, 李灵芝1, 郭戈1. 基于MIMOFNN模型的弹道导弹目标#br# 时空序贯融合识别方法[J]. 上海交通大学学报, 2017, 51(9): 1138-. |
[4] | 冯明月, 何明浩, 韩俊, 郁春来. 基于协方差拟合旋转不变子空间信号参数#br# 估计算法的高分辨到达角估计[J]. 上海交通大学学报, 2017, 51(9): 1145-. |
[5] | 杨平1,盛杰1,王禹程2,李柱永1,金之俭1,洪智勇1. YBa2Cu3O7δ超导带材非均匀性 对失超传播特性的影响[J]. 上海交通大学学报(自然版), 2017, 51(9): 1090-1096. |
[6] | 王星, 周一鹏, 田元荣, 陈游, 周东青, 贺继渊. 基于改进遗传算法和SinChirplet原子的调频#br# 雷达信号稀疏分解[J]. 上海交通大学学报, 2017, 51(9): 1124-1130. |
[7] | 张良俊1, 2, 李晓慈1, 吴静怡1, 蔡爱峰1. 大型空间展开机构微重力环境模拟#br# 悬吊装置热结构耦合分析[J]. 上海交通大学学报, 2017, 51(8): 954-961. |
[8] | 夏海亮1, 2, 刘亚坤1, 2, 刘全桢3, 刘宝全3, 傅正财1, 2. 长持续时间雷电流分量作用下电极形状#br# 对金属烧蚀特性的影响[J]. 上海交通大学学报, 2017, 51(8): 903-908. |
[9] | 谷家扬, 谢玉林, 陶延武, 黄祥宏, 吴介. 新型浮式钻井生产储油平台#br# 涡激运动数值模拟及试验研究 [J]. 上海交通大学学报, 2017, 51(7): 878-885. |
[10] | 林达, 朱益佳, 魏小栋, 王志宇, 张武高. 喷油参数对聚甲氧基二甲醚/柴油发动机燃烧及其#br# 颗粒物排放的影响[J]. 上海交通大学学报, 2017, 51(7): 787-795. |
[11] | 孟庆阳1, 阎威武1, 胡勇1, 程建林1, 陈世和2, 张曦2. 基于子空间方法的超超临界机组#br# 过热蒸汽系统模型辨识[J]. 上海交通大学学报, 2017, 51(6): 672-678. |
[12] | 蒋华军a, 蔡艳a, b, 李超豪a, 李芳a, b, 华学明a, b. 基于改进Sobel算法的焊缝X射线图像#br# 气孔识别方法[J]. 上海交通大学学报, 2017, 51(6): 665-671. |
[13] | 董冠华,殷勤,殷国富,向召伟. 机床结合部耦合动刚度的辨识与建模[J]. 上海交通大学学报(自然版), 2015, 49(09): 1263-1434. |
[14] | 谢启江,余海东. 硬岩掘进机刀盘载荷与撑靴接触界面刚度的耦合关系[J]. 上海交通大学学报(自然版), 2015, 49(09): 1269-1275. |
[15] | 仲健林1,马大为1,任杰1,李士军2,王旭3. 基于平面应变假设的橡胶圆筒静态受压分析[J]. 上海交通大学学报(自然版), 2015, 49(09): 1276-1280. |
阅读次数 | ||||||||||||||||||||||||||||||||||
全文 110
|
|
|||||||||||||||||||||||||||||||||
摘要 |
|
|||||||||||||||||||||||||||||||||