重轨表面缺陷机器视觉检测的关键技术

被引：13

作者：

王凌云 ^{[1
]}

黄红辉 ^{[1
]}

王雪 ^{[2
]}

谢志江 ^{[2
]}

机构：

[1] 湖南科技职业学院机电工程与技术系

[2] 重庆大学机械工程学院

来源：

重庆大学学报(自然科学版) | 2007年 / 09期

关键词：

重轨; 机器视觉; 表面缺陷; 支持向量机;

D O I：

暂无

中图分类号：

U216 [铁路养护与维修];

学科分类号：

摘要：

针对重轨生产线中重轨表面缺陷在线检测的困难,提出了基于机器视觉检测的系列关键技术,包括缺陷成像机理、多CCD组合采集器、图像处理技术、基于多空间的缺陷参数提取等。通过图像校正、基于支持向量机(SVM)的直线(面)边缘搜索算法和缺陷特征参数提取等核心技术,可获得完整的重轨全表面的图像,其提纯的缺陷特征参数可以进行模式识别。实验验证表明,采用上述关键技术对重轨表面常见的缺陷识别,正确率在80%以上,达到了工程检测的需要。

引用

页码：27 / 32

页数：6

共 8 条

[1] 支持向量学习并行区域增长结合活动轮廓模型的图像分割算法 [J].