基于圖像處理技術(shù)的列車部件異常自動檢測方法研究及應(yīng)用
發(fā)布時(shí)間:2021-11-12 15:10
隨著我國鐵路列車的不斷發(fā)展,鐵路列車承擔(dān)著全國交通運(yùn)輸重大責(zé)任,鐵路列車的安全運(yùn)行也受到越來越多的關(guān)注。列車結(jié)構(gòu)復(fù)雜,零部件多,人工對列車檢查需要大量的時(shí)間和人力,而目前廣泛使用的基于圖像的列車部件故障檢測系統(tǒng)只能對列車的某些關(guān)鍵部位進(jìn)行故障檢測,無法完成列車的零部件檢測。因此,對列車零部件故障檢測的研究也是不可缺少的。為了有效完成零部件故障檢測,本文以列車閘瓦螺栓、閘瓦插銷和沙壺部件作為研究對象,運(yùn)用相關(guān)圖像處理技術(shù)的方法實(shí)現(xiàn)了列車閘瓦螺栓、閘瓦插銷和沙壺部件異常自動檢測。本文的主要內(nèi)容分為以下三個(gè)方面:1、建立了基于GS-SIFT特征描述子的列車閘瓦螺栓丟失識別方法。首先對閘瓦圖像進(jìn)行預(yù)處理;由于SIFT算法自身的缺陷,通過對比分析,得出GS-SIFT算法在不同場景中,對待測閘瓦圖像和模板閘瓦圖像進(jìn)行特征匹配時(shí),有更強(qiáng)的適應(yīng)性;進(jìn)而又通過RANSAC算法篩選得到精確匹配點(diǎn);對待測閘瓦圖像進(jìn)行旋轉(zhuǎn)和縮放矯正;分割目標(biāo)區(qū)域;最后取正常螺栓圖像作為模板遍歷目標(biāo)區(qū)域圖像,判斷螺栓是否丟失。本算法運(yùn)行穩(wěn)定,準(zhǔn)確率達(dá)到96%。2、建立了基于Canny的列車閘瓦插銷開角故障識別方法。首先依據(jù)閘瓦...
【文章來源】:長安大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【部分圖文】:
線段擬合示意圖
直線的參數(shù)描述在圖像分析文中,圖像中邊緣段(,)
列車故障識別流程圖
【參考文獻(xiàn)】:
期刊論文
[1]人工神經(jīng)網(wǎng)絡(luò)發(fā)展現(xiàn)狀綜述[J]. 王廣. 中小企業(yè)管理與科技(下旬刊). 2017(02)
[2]TFDS動態(tài)檢查集中作業(yè)系統(tǒng)的應(yīng)用[J]. 黃寶君,陳尚澤,趙峰. 哈爾濱鐵道科技. 2015(03)
[3]基于TFDS-4系統(tǒng)運(yùn)用研究[J]. 劉護(hù)憲. 電子技術(shù). 2014(03)
[4]青藏線格拉段5T綜合預(yù)報(bào)關(guān)聯(lián)TFDS信息的探討[J]. 李剛. 鐵道機(jī)車車輛. 2013(06)
[5]TFDS故障動態(tài)圖像識別系統(tǒng)的設(shè)計(jì)[J]. 李九靈,馮維,孫國棟,宋麗萍. 湖北工業(yè)大學(xué)學(xué)報(bào). 2013(05)
[6]TFDS-3型故障軌邊圖像檢測系統(tǒng)的應(yīng)用[J]. 劉立強(qiáng). 華北科技學(xué)院學(xué)報(bào). 2013(02)
[7]鐵路貨車故障軌邊圖像檢測系統(tǒng)(TFDS)運(yùn)用中存在的問題及改進(jìn)建議[J]. 王躍. 哈爾濱鐵道科技. 2013(01)
[8]基于邊緣圖像和SURF特征的可見光與紅外圖像的匹配算法[J]. 紀(jì)利娥,楊風(fēng)暴,王志社,陳磊. 紅外技術(shù). 2012(11)
[9]基于模板匹配法的字符識別算法研究[J]. 李新良. 計(jì)算技術(shù)與自動化. 2012(02)
[10]TFDS系統(tǒng)在列檢運(yùn)用中存在的問題和對策[J]. 盧滸,羅業(yè)坤. 鐵道運(yùn)營技術(shù). 2012(02)
博士論文
[1]多分辨率醫(yī)學(xué)圖像配準(zhǔn)技術(shù)及自適應(yīng)圖像插值技術(shù)的研究[D]. 李暉.山東大學(xué) 2009
[2]多分辨率分析及其在圖像處理中的應(yīng)用研究[D]. 尚政國.哈爾濱工程大學(xué) 2008
碩士論文
[1]基于圖像處理的動車軸端螺栓檢測方法的研究[D]. 葉宏鵬.北京交通大學(xué) 2018
[2]高溫合金銑削加工刀具磨損狀態(tài)檢測研究[D]. 徐瑩.湘潭大學(xué) 2018
[3]圖像識別技術(shù)在鐵軌扣件異常檢測中的應(yīng)用研究[D]. 代國忠.哈爾濱工程大學(xué) 2018
[4]列車車號定位與識別算法研究[D]. 王浩宇.長安大學(xué) 2018
[5]心盤螺栓和閘瓦釬故障圖像檢測算法研究[D]. 馮映科.蘭州交通大學(xué) 2018
[6]基于Matlab的車牌識別系統(tǒng)的研究[D]. 陳鼎.南昌大學(xué) 2018
[7]數(shù)字多用表表盤字符識別系統(tǒng)設(shè)計(jì)[D]. 倪楠.西安電子科技大學(xué) 2017
[8]基于圖像的行人檢測算法研究[D]. 劉曉龍.國防科學(xué)技術(shù)大學(xué) 2017
[9]基于SIFT的火車車底螺栓圖像識別技術(shù)研究[D]. 吳應(yīng)永.西南交通大學(xué) 2016
[10]基于目標(biāo)輪廓特征的圖像識別及列車轉(zhuǎn)向架故障檢測[D]. 顧超.蘇州大學(xué) 2014
本文編號:3491165
【文章來源】:長安大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【部分圖文】:
線段擬合示意圖
直線的參數(shù)描述在圖像分析文中,圖像中邊緣段(,)
列車故障識別流程圖
【參考文獻(xiàn)】:
期刊論文
[1]人工神經(jīng)網(wǎng)絡(luò)發(fā)展現(xiàn)狀綜述[J]. 王廣. 中小企業(yè)管理與科技(下旬刊). 2017(02)
[2]TFDS動態(tài)檢查集中作業(yè)系統(tǒng)的應(yīng)用[J]. 黃寶君,陳尚澤,趙峰. 哈爾濱鐵道科技. 2015(03)
[3]基于TFDS-4系統(tǒng)運(yùn)用研究[J]. 劉護(hù)憲. 電子技術(shù). 2014(03)
[4]青藏線格拉段5T綜合預(yù)報(bào)關(guān)聯(lián)TFDS信息的探討[J]. 李剛. 鐵道機(jī)車車輛. 2013(06)
[5]TFDS故障動態(tài)圖像識別系統(tǒng)的設(shè)計(jì)[J]. 李九靈,馮維,孫國棟,宋麗萍. 湖北工業(yè)大學(xué)學(xué)報(bào). 2013(05)
[6]TFDS-3型故障軌邊圖像檢測系統(tǒng)的應(yīng)用[J]. 劉立強(qiáng). 華北科技學(xué)院學(xué)報(bào). 2013(02)
[7]鐵路貨車故障軌邊圖像檢測系統(tǒng)(TFDS)運(yùn)用中存在的問題及改進(jìn)建議[J]. 王躍. 哈爾濱鐵道科技. 2013(01)
[8]基于邊緣圖像和SURF特征的可見光與紅外圖像的匹配算法[J]. 紀(jì)利娥,楊風(fēng)暴,王志社,陳磊. 紅外技術(shù). 2012(11)
[9]基于模板匹配法的字符識別算法研究[J]. 李新良. 計(jì)算技術(shù)與自動化. 2012(02)
[10]TFDS系統(tǒng)在列檢運(yùn)用中存在的問題和對策[J]. 盧滸,羅業(yè)坤. 鐵道運(yùn)營技術(shù). 2012(02)
博士論文
[1]多分辨率醫(yī)學(xué)圖像配準(zhǔn)技術(shù)及自適應(yīng)圖像插值技術(shù)的研究[D]. 李暉.山東大學(xué) 2009
[2]多分辨率分析及其在圖像處理中的應(yīng)用研究[D]. 尚政國.哈爾濱工程大學(xué) 2008
碩士論文
[1]基于圖像處理的動車軸端螺栓檢測方法的研究[D]. 葉宏鵬.北京交通大學(xué) 2018
[2]高溫合金銑削加工刀具磨損狀態(tài)檢測研究[D]. 徐瑩.湘潭大學(xué) 2018
[3]圖像識別技術(shù)在鐵軌扣件異常檢測中的應(yīng)用研究[D]. 代國忠.哈爾濱工程大學(xué) 2018
[4]列車車號定位與識別算法研究[D]. 王浩宇.長安大學(xué) 2018
[5]心盤螺栓和閘瓦釬故障圖像檢測算法研究[D]. 馮映科.蘭州交通大學(xué) 2018
[6]基于Matlab的車牌識別系統(tǒng)的研究[D]. 陳鼎.南昌大學(xué) 2018
[7]數(shù)字多用表表盤字符識別系統(tǒng)設(shè)計(jì)[D]. 倪楠.西安電子科技大學(xué) 2017
[8]基于圖像的行人檢測算法研究[D]. 劉曉龍.國防科學(xué)技術(shù)大學(xué) 2017
[9]基于SIFT的火車車底螺栓圖像識別技術(shù)研究[D]. 吳應(yīng)永.西南交通大學(xué) 2016
[10]基于目標(biāo)輪廓特征的圖像識別及列車轉(zhuǎn)向架故障檢測[D]. 顧超.蘇州大學(xué) 2014
本文編號:3491165
本文鏈接:http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/3491165.html
最近更新
教材專著