钢轨表面缺陷检测机器视觉系统的设计_刘泽钢轨表面缺陷检测机器视觉系统的设计_刘泽钢轨表面缺陷检测机器视觉系统的设计_刘泽

根据现代铁路自动检测技术对实时检测和适应性的要求，铁路表面缺陷的检测是铁路日常检查的重要组成部分。 本文提出了一种基于机器视觉的铁路表面缺陷实时检测方法。 根据机器视觉的基本原理，设计了一种配有LED辅助光源和遮光箱的图像采集装置，并设计了便携式测试模型进行现场实验。 考虑到实时性要求，无需进行图像预处理就可以实现从原始图像中提取目标区域的方法。 基于形态学过程对钢轨的表面缺陷进行了优化，并通过跟踪方向链代码获得了缺陷的特征。 结果表明，该方法的最大定位时间为4.65 ms，最大定位失败率为5％

设计了动态阈值分割算法和缺陷区域提取算法,对钢轨表面掉块、表面裂纹两类典型缺陷图像进行处理,可以准确提取缺陷区域,标定缺陷位置,并统计缺陷特征。搭建了在线钢轨探伤模拟平台,通过高速线阵相机和辅助光源获取图像,由千兆网传输到工控机中,利用Halcon和Visual Csharp编写上层图像处理软件进行在线检测。模拟钢轨探伤实验可以在最快100 km/h速度下,准确的发现钢轨样品表面宽度1 mm的裂纹缺陷,并记录缺陷所在位置。