基于計算機視覺技術(shù)的鋼軌表面缺陷識別方法憑借其非接觸、準確性高、無遺漏、快速高效等優(yōu)點得到越來越多的關(guān)注。其識別流程包括:對采集到的鋼軌表面圖像進行預(yù)處理;采用灰度水平投影等方法提取出鋼軌的軌面區(qū)域;利用圖像分割技術(shù)提取出缺陷部分的圖像信息;對缺陷特征進行描述,計算出缺陷的特征向量;利用機器學(xué)習(xí)分類器實現(xiàn)缺陷分類;通過深度學(xué)習(xí)實現(xiàn)鋼軌表面缺陷的識別�；诋�(dāng)前研究難點,指出未來主要的研究方向,包括圖像的優(yōu)化預(yù)處理、鋼軌表面缺陷的快速準確提取及對基于深度學(xué)習(xí)的缺陷識別方法的深化完善。 

【文章來源】：鐵道建筑. 2020,60(09)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
1 鋼軌表面圖像預(yù)處理
    1.1 圖像去噪
    1.2 圖像增強
2 軌面區(qū)域提取
3 基于機器學(xué)習(xí)的鋼軌表面缺陷識別
    3.1 缺陷提取
    3.2 缺陷特征描述
    3.3 缺陷分類
4 基于深度學(xué)習(xí)的鋼軌表面缺陷識別
5 發(fā)展趨勢
6 結(jié)語


【參考文獻】：
期刊論文
[1]基于圖像特征的軌道表面缺陷識別研究[J]. 郝永旺,魏文軍,曹玉新,姜永濤.  電子世界. 2018(14)
[2]基于灰度對比圖與最大熵的鋼軌圖像分割[J]. 李曉梅,顧桂梅,常海濤.  鐵道標準設(shè)計. 2018(04)
[3]基于多特征融合與AdaBoost算法的軌面缺陷識別方法[J]. 閔永智,程天棟,馬宏鋒.  鐵道科學(xué)與工程學(xué)報. 2017(12)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的軌道表面缺陷檢測技術(shù)實現(xiàn)[J]. 劉孟軻,吳洋,王遜.  現(xiàn)代計算機(專業(yè)版). 2017(29)
[5]基于PCA模式和顏色特征的鋼軌表面缺陷視覺顯著性檢測[J]. 王姮,王曼,張華,劉桂華.  自動化儀表. 2017(01)
[6]鐵路鋼軌缺陷傷損巡檢與監(jiān)測技術(shù)綜述[J]. 田貴云,高斌,高運來,王平,王海濤,石永生.  儀器儀表學(xué)報. 2016(08)
[7]基于背景差分的高鐵鋼軌表面缺陷圖像分割[J]. 賀振東,王耀南,劉潔,印峰.  儀器儀表學(xué)報. 2016(03)
[8]基于圖像色相值突變特征的鋼軌區(qū)域快速識別方法[J]. 閔永智,殷超,黨建武,程天棟.  交通運輸工程學(xué)報. 2016(01)
[9]基于圖像差異和視覺反差的鋼軌表面缺陷檢測[J]. 夏利民,蔡南平,楊寶娟.  計算機工程與設(shè)計. 2014(06)
[10]鐵軌表面缺陷的視覺檢測與識別算法[J]. 唐湘娜,王耀南.  計算機工程. 2013(03)

碩士論文
[1]基于圖像的軌道表面缺陷識別研究[D]. 李永基.蘭州交通大學(xué) 2017
[2]軌檢圖像中鋼軌表面缺陷分析與識別[D]. 程天棟.蘭州交通大學(xué) 2017
[3]基于機器視覺的鋼軌表面缺陷檢測技術(shù)研究[D]. 王時麗.西南科技大學(xué) 2016
[4]軌道缺陷自動檢測系統(tǒng)的圖像處理技術(shù)研究[D]. 吳夢.西南交通大學(xué) 2013
[5]基于機器視覺的鐵路線路狀態(tài)檢測算法研究[D]. 李永波.西南交通大學(xué) 2013
[6]基于計算機視覺的鐵軌表面缺陷檢測技術(shù)研究[D]. 甄理.南京航空航天大學(xué) 2012
[7]鋼軌表面缺陷識別系統(tǒng)的設(shè)計與研究[D]. 孟佳.西南交通大學(xué) 2005



本文編號：3631879