隨著中國高鐵事業(yè)的快速發(fā)展,鐵路軌道檢測作為保障列車安全平穩(wěn)運(yùn)行的重要基礎(chǔ)顯得愈加重要。近年來,圖像處理技術(shù)發(fā)展迅速并逐漸用于鐵路軌道的自動(dòng)化檢測。扣件是將鋼軌固定在軌枕的關(guān)鍵零件,若發(fā)生丟失或斷裂會(huì)導(dǎo)致列車運(yùn)行時(shí)發(fā)生嚴(yán)重的安全事故,因此針對扣件的檢測算法研究具有極其重要的意義。可變形部件模型是一種基于部件的目標(biāo)檢測模型,廣泛應(yīng)用于目標(biāo)識(shí)別領(lǐng)域,本文以可變形部件模型為基礎(chǔ)對高鐵扣件進(jìn)行檢測,主要內(nèi)容如下:（一）為了實(shí)現(xiàn)高鐵缺陷扣件的準(zhǔn)確、快速和自動(dòng)化檢測,提出一種結(jié)合特征相似度和部件模型的扣件檢測算法。首先,針對高鐵扣件利用隱藏變量SVM進(jìn)行訓(xùn)練,得到扣件部件模型和各部件的權(quán)重;其次,根據(jù)扣件特點(diǎn)確定合理的模型金字塔層數(shù),并對扣件部件模型作掩膜操作去除部分背景區(qū)域;然后,計(jì)算非掩膜區(qū)域HOG特征向量,根據(jù)該特征向量和部件權(quán)重進(jìn)行扣件的準(zhǔn)確定位;最后,由于每張圖像中有多個(gè)扣件,通過計(jì)算相鄰扣件的距離信息和特征相似度作為缺陷扣件存在的快速判斷準(zhǔn)則,確定該圖像中是否存在缺陷扣件。理論分析和實(shí)驗(yàn)結(jié)果表明,本文算法具有較低的誤檢率和漏檢率,檢測精度高,檢測速度快,對于外部光照變化具有較好的魯棒性... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

高速鐵路軌道

西南交通大學(xué)碩士研究生學(xué)位論文 軌道檢測方法是利用安裝在軌道車上的視頻攝回來，然后經(jīng)過培訓(xùn)的工人通過觀察圖像方法相比于傳統(tǒng)軌道檢測方法極大降低了工面前觀看鐵路沿線的圖像即可，不需要工舊是以人工檢測為主，遠(yuǎn)遠(yuǎn)達(dá)不到自動(dòng)化檢智能的鐵路軌道檢測系統(tǒng)。的零部件根據(jù)用途不同主要包括鋼軌、扣件是將鋼軌固定在軌枕上的關(guān)鍵零件，扣件在和扭轉(zhuǎn)應(yīng)力，隨著軌道運(yùn)行時(shí)間的增加容易出現(xiàn)的缺陷扣件如圖 1-2 所示。缺陷扣件如重的行車事故，扣件的完好無損是保證高鐵一種快速準(zhǔn)確的扣件狀態(tài)檢測方法，能夠及全隱患成為高鐵線路軌道檢測的重點(diǎn)。

西南交通大學(xué)碩士研究生學(xué)位論文 第 4頁提出了很多檢測效果很好的檢測方法，STELLA E 等人[17]根據(jù)鐵路的先驗(yàn)幾何關(guān)系確定出扣件窗口，之后對定位出的扣件子圖做小波變換以提取扣件特征，并利用 PCA 主成分分析降低特征維數(shù)，最后對利用 BP 神經(jīng)網(wǎng)絡(luò)和 RBF 神經(jīng)網(wǎng)絡(luò)檢測出扣件類別。SINGH M 等人[18]利用邊緣密度來定位扣件和檢測丟失扣件，接著根據(jù)扣件顏色信息檢測出近段時(shí)間更換過的扣件。MARINO F 等人[19]首先根據(jù)鐵路各部件的先驗(yàn)幾何關(guān)系確定出扣件窗口，然后對扣件窗口進(jìn)行不同形式的小波變換（Daubechies 小波與 Haar 小波），最后對變換結(jié)果分別用多層感知器神經(jīng)網(wǎng)絡(luò)分類器進(jìn)行分類并對分類結(jié)果進(jìn)行交叉驗(yàn)證。國內(nèi)在20世紀(jì)70年代開始對機(jī)器視覺在軌道巡檢系統(tǒng)的應(yīng)用方面進(jìn)行理論和算法研究，王留軍等人[20]將機(jī)器視覺技術(shù)成功運(yùn)用于鐵路軌道巡檢，進(jìn)而組成一套智能巡檢系統(tǒng)。系統(tǒng)從功能上分為三個(gè)部分，分別是軌道圖像采集與存儲(chǔ)、軌道圖像缺陷檢測、缺陷軌道圖像數(shù)據(jù)管理。圖像采集方法如圖 1-3 所示，系統(tǒng)利用 LED 頻閃光源配合相機(jī)在高速運(yùn)行的巡檢車上拍攝到軌道圖像。


本文編號(hào)：3123432