位置:成果数据库 > 期刊 > 期刊详情页
基于机器视觉的钢轨表面损伤检测算法
  • ISSN号:1673-0291
  • 期刊名称:《北京交通大学学报:自然科学版》
  • 时间:0
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]北京交通大学电子信息工程学院,北京100044
  • 相关基金:国家自然科学基金资助项目(60972093);中央高校基本科研业务费专项资金资助(2010JBZ010)
中文摘要:

钢轨表面损伤的检测对于铁路运输安全具有重要的意义.不同类型的损伤具有不同的成因和特征,单一的检测算法针对性和鲁棒性不强,应根据不同的损伤类型提出针对性的检测方法.本文针对鱼鳞纹损伤的规则方向性特征,提出了基于转动惯量等效椭圆的区域方向性计算和基于纵向区域直方图的区域方向性筛选算法;针对踏面剥离裂纹和浅层掉块损伤的呈带状分布的不规则、不连续和多凹陷特征,提出了基于多孔洞区域的骨架提取的检测算法.这两种算法均能有效地检测出相应损伤,为缺陷的分类识别提供参考.

英文摘要:

The detection of rail track surface defects is very important for railway transportation. Be- cause different types of defects have their distinct causes and features, a single algorithm is not suitable and robust enough for various defects. We proposed different algorithms for corresponding defects. Ac- cording to the regular orientation feature of cataphracted defects, an algorithm, which computes region directions based on equivalent ellipse of moment of inertia and sifts the directions based on histogram of vertical regions, is employed. For irregular, discontinuous, cupped and distributing band-like features of the tread peeling and drop piece defects, an algorithm based on skeleton extraction of multi-hole re- gions is proposed. The methods can effectively detect those rail surface damages, which provide a ref- erence for rail damage classification.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《北京交通大学学报:自然科学版》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:北京交通大学
  • 主编:孙守光
  • 地址:北京市西直门外上园村3号北方交通大学8楼8101室
  • 邮编:100044
  • 邮箱:bfxb@bjtu.edu.cn
  • 电话:010-51688053
  • 国际标准刊号:ISSN:1673-0291
  • 国内统一刊号:ISSN:11-5258/U
  • 邮发代号:
  • 获奖情况:
  • 1995年铁道部科技期刊一等奖、1999年教育部组织的...
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),波兰哥白尼索引,荷兰文摘与引文数据库,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:5152