基于机器视觉的钢轨表面缺陷检测技术研究

《基于机器视觉的钢轨表面缺陷检测技术研究》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、西南科技大学研究生学位论文基于机器视觉的钢轨表面缺陷检测技术研究年级2013级姓名王时丽申请学位级别硕士专业电路与系统指导教师刘桂华教授ClassifiedIndex:TP391U.D.C:004.8SouthwestUniversityofScienceandTechnologyMasterDegreeThesisDetectionTechnologyonRailSurfaceDefectsBasedonMachineVisionGrade:2013Candidate:WangShiliAcademicDegreeAppliedfor:MasterSpeciality:C

2、ircuitsandSystemsSupervisor:Prof.LiuGuihuaMay.27,2016独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果，除了文中特别加Ｗ标注和致谢的地方外，论文中不包。尽我所知含其他人己经发表或撰写过的研究成果，也不包含为获得西南科技大学或其它教育机构的学位或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。■签名；：化內曰期．斗／的关于论文使用和授权的说明本人完全了解西南科技大学有关保留、使用学位论文的规定，即：学校，允

3、许该论丈被查阅和借闽可Ｗ公布该论有权保留学位论文的复印件：学校文的全部或部分内容，可Ｗ采用影印、缩印或其他复制手段保存论文。（保密的学位论文在解密后应遵守此规定）＾）占．签名：导师签名村：不豕日期：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

4、；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

5、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II页AbstractBecauseofthelowdetectionefficiency,testresultsseriouslyaffectedbysubjectivityandotherissueswithcurrentmanualinspectionoftherailsurfacedefectsdetection,researchesoftherailsurfacedefectdetecti

6、onbasedonmachinevisiontechnologywascarrieiedout.Inthispaper,werealizeautomaticidentificationandclassificationofrailsurfacedefectsbyimageprocessing,patternrecognitionandothertechnologies.Combiningmachinevisiontheorywithqualitycontrolrequirementsoftherail,wedesignedtheoverallsolutionofrailsu

7、rfacedefectdetectionsystembasedonmachinevisionandcompletedimageacquisitionusingthehardwareplatformbuiltintheexperimentalenvironment;Besides,wesdutiedontherailsurfaceimageprocessingalgorithms,especiallyfocusingonimagepreprocessing,defectfirstinspectionanddefect