[发明专利]一种钢轨表面缺陷视觉检测装置及识别方法有效
申请号: | 201910259330.5 | 申请日: | 2019-04-02 |
公开(公告)号: | CN109978874B | 公开(公告)日: | 2023-03-14 |
发明(设计)人: | 朱青;刘晨;王耀南;毛建旭;姚盼盼;李娟慧;贾林;周显恩 | 申请(专利权)人: | 湖南大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/13 |
代理公司: | 长沙市护航专利代理事务所(特殊普通合伙) 43220 | 代理人: | 莫晓齐 |
地址: | 410082 *** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 钢轨 表面 缺陷 视觉 检测 装置 识别 方法 | ||
本发明公开了一种钢轨表面缺陷视觉检测装置及识别方法,所述检测装置包括上位机、相机、光源、光源控制器、滚珠丝杠、电机、电机驱动控制器、编码器和支架。所述识别方法包括以下步骤:S1、通过相机获取钢轨表面图像;S2、通过中值滤波法和垂直投影法获取钢轨表面感兴趣区域图像;S3、对钢轨表面感兴趣区域图像进行小波分解;S4、对所述步骤S3中小波分解高频部分进行反向P‑M扩散;S5、对反向P‑M扩散后的钢轨表面图像进行小波重构;S6、通过自适应阈值的Sobel算子对小波重构后的图像进行边缘检测,并对边缘检测后的图像矩阵进行滤波,从而完成检测。本发明能够将图像中真实缺陷的边缘部分突显出来,同时抑制了噪声和线性干扰,具有识别准确率高的特点。
技术领域
本发明涉及到机器视觉检测技术领域,涉及一种钢轨表面缺陷视觉检测装置及识别方法。
背景技术
铁路具有运行速度快、运输能力大、占用土地少、能源消耗低、产业结构优、社会效益好等优势。建设高速铁路客运专线,实现客货分运,是提高运输能力和质量,满足客运快速、准时、舒适等方面需求的根本途径。然而,随着铁路行车速度、密度和载重量的不断提高,由钢轨表面缺陷引起的断轨,脱轨事故也在逐年增加。因此,如何提高钢轨表面缺陷识别率是铁路安全、舒适、高速运营必须解决的一个关键问题。
钢轨表面承受各种光照、雨侵蚀、列车机械震动、摩擦等不良工况条件的影响,使得钢轨表面图像产生噪声,对钢轨表面缺陷识别造成很大的干扰,缺陷识别准确率比较低,漏检的缺陷会对铁路运输的安全造成很大的隐患。
中国专利CN106290379A,该专利首先通过高斯滤波、图像增强和钢轨区域定位处理对图像预处理,然后钢轨区域进行图像灰度化,图像分割,形态学处理,然后提取钢轨表面特征,该方法识别速度比较快,然而在缺陷和背景的特征相差不大的情况下,缺陷识别准确率不高。
中国专利CN107618533A,该专利设计了一种用于钢轨表面缺陷检测的背景差分法,可以在凸显图像缺陷部分的同时,有效减弱光照变化、钢轨表面反射不均和锈迹的影响。然而这种方法比较依赖对原图像平滑得到的背景图像,当缺陷面积较小时,该方法无法对其准确识别。
刘伟嵬等的带钢表面缺陷在线检测系统的图像滤波算法,通过过小波分解,各向异性扩散,最后小波逆变换出图像。该方法能够去除纹理背景,同时较好地保留了图像的边缘信息。然而这种方法后,在边缘检测后,会出现一些虚假的线形干扰,无法准确识别缺陷。
贺振东等的基于反向P-M扩散的钢轨表面缺陷视觉检测算法,首先将图像进行反向P-M扩散,然后将扩散后的图像与原图像进行差分,然后二值化,最后进行滤波,分割出缺陷图像,该方法能很好地识别缺陷,并且检测速度、精度、识别率都能很好的满足要求,然而其未将钢轨表面区域与背景分离开来,缺陷识别后,两侧有线性干扰。
鉴于此,设计一种识别准确率高、漏检率低的钢轨表面缺陷视觉检测装置及识别方法是本技术领域技术人员亟待解决的技术问题。
发明内容
本发明的目的是提供一种钢轨表面缺陷视觉检测装置及识别方法,通过所述检测装置获取钢轨表面图像,然后采用小波分解与反向P-M扩散结合的方法对所获取的图像进行处理,该方法能够将真实缺陷的边缘部分突显出来,同时很好的抑制噪声,能够抑制边缘检测后的线形干扰,方便后续特征提取,大大提高了识别准确率,减少漏检率。
为解决上述技术问题,本发明提供一种钢轨表面缺陷视觉检测装置,包括:
支架,所述支架上设有滚珠丝杠和位于滚珠丝杠端部的编码器,所述编码器可随滚珠丝杠的转动而转动;
成像系统,包括连接件以及置于所述连接件上的相机和光源,所述光源位于相机的两侧,所述成像系统通过连接件与滚珠丝杠连接,并可随滚珠丝杠的转动而水平滑动以用于采集钢轨表面的图片;
上位机,接收编码器产生的脉冲用于触发相机进行图片采集,以及接收和处理相机所采集的钢轨图片;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南大学,未经湖南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910259330.5/2.html,转载请声明来源钻瓜专利网。