[发明专利]一种基于图像识别的钢轨表面检测方法

说明书

本发明涉及轨道交通及钢轨探伤领域，具体涉及一种基于图像识别的钢轨表面伤损检测方法：S1，使用高速超清摄像头采集钢轨表面图像；S2，将钢轨表面伤损图像转化为灰度图；S3，计算图像的灰度共生矩阵；S4，根据灰度共生矩阵计算纹理特征量；S5，建立梯度上升模型(Gradient Boosting)，用于伤损类型分类；S6，输入待判定的钢轨表面图像输入到训练完成的梯度上升模型，即得到对应的伤损类型。本发明的优点是实现了对钢轨表面伤损的自动化精准判别，提高判伤的精准度和效率，能够有效预防断轨事故的发生。

技术领域

本发明涉及轨道交通及钢轨探伤领域，具体涉及一种基于图像识别的钢轨表面检测方法。

背景技术

随着我国轨道交通网络布局的扩大，对轨道的速度、安全要求也不断提高。列车在行驶过程与钢轨表面摩擦接触，导致钢轨表面出现不同程度的伤损缺陷，影响行驶安全。现有的钢轨表面伤损检测通常采用超声波检测、三维检测等技术与人工检测结合，这些方法技术虽然能够达到检测目的，但是容易受外部的干扰，而且效率与精准度不高，需要人工判断缺陷并手动记录缺陷的类型及标记区域。

发明专利CN101893580B基于数字图像的钢轨表面缺陷检测方法中通过输入钢轨图像中提取钢轨区域，并模拟人类视觉机制，将灰度图转换为对比度图，从而对可疑缺陷区域进行定位及判定。但是此发明仅对钢轨顶部表面进行检测，检测覆盖面有限，钢轨两侧的伤损情况被忽略。此发明方法仅实现了缺陷判伤，无法实现伤损模型的自动识别。而本发明针对现有技术的不足，提出了一种基于图像识别的钢轨表面检测方法，实现钢轨顶部及两侧表面伤损的精准检测，建立伤损模型库，自动识别伤损类型，提高检测效率和精度，减少人工干涉，为铁路部门减少人工成本，提高了工作效率，有效预防安全事故的发生。

发明内容

有鉴于此，针对现有的钢轨表面检测技术存在的问题，本发明提供一种基于图像识别的钢轨表面检测方法，使用计算机视觉的方法实现对钢轨表面伤损的特征提取和精准分类，以有效解决上述技术背景中存在的问题。

本发明采用以下技术方案实现。

一种基于图像识别的钢轨表面检测方法，其特征在于，包含以下步骤：

S1，使用高速超清摄像头采集钢轨表面图像，所采用的高速超清摄像头是采用可调焦、无畸变的摄像头，帧数在30帧/秒以上、分辨率至少在640*480以上，曝光时间在400-500μm/s。摄像头安装位置离钢轨表面最佳距离在5-10cm，成像角度范围30-90度之间，能够采集钢轨顶部以及两侧表面情况，包括钢轨上的记号，螺孔等。小车前进速度为1.2m/s，在曝光时间内小车前进0.5mm的情况下，成像效果可以满足要求，可计算曝光时间为417μm/s。

S2，将钢轨表面伤损图像转化为灰度图；在对伤损表面图像进行处理时，采用对R，G，B加权平均的方法，计算公式如下：I(x,y)＝w_R*I_R+w_G*I_G+w_R*I_B。

S3，计算图像的灰度共生矩阵。设f(x,y)为一幅数字图像，其大小为M*N,灰度级别为N_g，则满足一定空间关系的灰度共生矩阵为：

P(i,j)＝#{(x₁,y₁),(x₂,y₂)∈MXN|f(x₁,y₁)＝i,f(x₂,y₂)＝j}