铁轨表面缺陷机器视觉检测成像方法与装置研究

《铁轨表面缺陷机器视觉检测成像方法与装置研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代号：学号：密级：10532S10094009公开湖南大学硕士学位论文铁轨表面缺陷机器视觉检测成像方法与装置研究StudyofImagingMethodandApparatusonRailSurfaceDefectsDetectwithMachineVisionbyGAOJianB．E．(HunanInsitituteofEngineering)2010AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMast

2、erofEngineeringlnControlScienceandEngineeringintheGraduateSchoolofHunanUniversitySupervisorAssociateProfessorXIAOChangyanApril，2013IIIIIIIIIIIIIIIIIIIlUlY2357684湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的

3、成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：高健日期：．彬年厂月砑／日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密口，在年解密后适用本授权书。2、不保密团。

4、(请在以上相应方框内打“√”)作者签名：高德日期：加J；年r月堙日别程名唷昌天醐：川

5、；年，月2矿日铁轨表面缺陷机器视觉检测成像方法与装置研究摘要铁轨表面缺陷已成为引起铁路交通事故的主要原因，及时对铁轨表面缺陷进行维护可以有效减少铁路交通事故发生。随着机器视觉技术快速发展，采用机器视觉技术对铁轨表面缺陷进行检测变得越来越容易，而现有的铁轨表面缺陷机器视觉检测成像方法和装置存在很大的局限性。基于以上背景，本文结合工程实际，对铁轨表面缺陷机器视觉检测成像方法与装置进行了研究，并测试了两种不同成像装置的成

6、像效果。本文研究的主要内容如下：(1)综述了国内外现有的铁轨表面缺陷检测技术方法，针对这些方法存在的局限性，提出了基于线扫描成像的铁轨表面缺陷检测的方法，并详细说明了线扫描成像的优势及工作原理。·(2)通过设计实验室仿真成像系统来分析线扫描成像装置各模块的选型准则及工作原理。在不同成像条件下，利用该仿真系统对人为制造表面缺陷的铁轨进行图像采集并分析成像效果，以此测试系统各模块选择及参数配置的合理性。(3)由于室内铁轨人为制造的表面缺陷与实际在线铁轨表面缺陷存在较大差距，因此为了进一步测试机器视觉检测

7、技术对真实在线铁轨表面各种缺陷成像效果，研发室外手推车成像系统，并详细设计了进行图像采集的软件，使用该成像系统测试真实在线铁轨成像情况。(4)外界环境的变化以及铁轨表面对光的反射效果不同会引起成像亮度不均，从而增大了缺陷识别的难度。本文提出以信息熵作为图像质量的评价标准，使用模糊PI控制器对相机曝光积分时间进行自适应控制算法，使采集的所有图像亮度在一个恒定范围，这样有利于后续的缺陷识别。实验结果表明，本文研究的铁轨表面缺陷机器视觉检测成像方法与装置可以很好的对真实在线的铁轨进行成像，整个系统运行正常

8、，各组成模块参数计算准确度高，选型合理，为以后的产品研发奠定了基础。关键词：铁轨缺陷；线扫描；图像质量评价；自适应控制II硕士学位论文AbstractRailsurfacedefectshasbecomethemaincauseofrailwaytrafficaccident．Timelymaintenancecaneffectivelyreducethesurfacedefectoftrackrailwaytrafficaccidents．Withtherapiddevelopmentofmach

9、inevisiontechnology，theutilizationofmachinevisiontechnologytotracksurfacedetectionisbecomingeasier，andtheimagingmethodandtheapparatusexistingonrailsurfacedefectsdetectwithmachinevisionhaslargelimitation．Basedontheabovebackground，combine