[发明专利]基于机器视觉的枕轨生产质量检测方法

说明书

本发明涉及图像数据处理技术领域，具体涉及一种基于机器视觉的枕轨生产质量检测方法，该方法包括：获取枕轨表面的灰度图像并初步分割得到疑似裂纹区域；标记每个疑似裂纹区域的中心线，获取疑似裂纹区域中每个像素点与中心线之间的最短距离，从而得到疑似裂纹区域的裂纹宽度以及疑似裂纹区域中每个像素点的影响程度；基于疑似裂纹区域的裂纹宽度、疑似裂纹区域中像素点对应的灰度信息以及影响程度得到对应像素点自适应的局部窗口尺寸；基于自适应局部窗口尺寸的Niblack算法对疑似裂纹区域分割得到裂纹区域，并根据裂纹区域得到枕轨生产质量。本发明能够提高对裂纹区域检测的准确性，进而保证了对枕轨生产质量判断的准确性。

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种基于机器视觉的枕轨生产质量检测方法。

背景技术

铁路枕轨是用于铁路线路铺设的基础材料，其作用是固定铁路轨道轨距、承载钢轨以及通过车辆的重量荷载，使轨道压力荷载均匀分散传递至路基，保持线路稳定畅通；因此枕轨的生产质量严重影响列车的高速运行安全，其中枕轨是否出现裂纹是表征枕轨结构安全最重要的指标，对其进行精准检测具有重要意义。

传统的枕轨表面裂纹检测技术主要依托超声平测法和激光扫描法，然而这两种方法要求枕轨表面结构较为平整，需要专门的传感器接收反射信号，并且都存在检测速度慢、检测精度低、误差大的问题。

近年来，随着计算机视觉技术的发展，基于机器视觉的裂纹自动化检测系统逐渐被应用于轨枕生产质量检测中，例如Niblack算法，但传统的Niblack算法自适应性较低，对局部窗口大小和修正系数的选取难以把控，当局部窗口选择过大，则失去了“局部阈值”的含义，且影响Niblack算法的速度；当局部窗口选择过小，则得到的样本数量太少，获取不到足够的信息判断窗口中心像素是属于目标区域还是背景区域，因此分割效果会产生较大的不确定性；并且通常情况下每个像素点对应的局部窗口的大小不变，但实际场景中不同裂纹的粗细可能会存在较大的差异，图像分割效果较差。

发明内容

为了解决Niblack算法中像素点局部窗口选择不合适导致图像分割效果差的问题，本发明的目的在于提供一种基于机器视觉的枕轨生产质量检测方法，所采用的技术方案具体如下：

本发明一个实施例提供了一种基于机器视觉的枕轨生产质量检测方法，该方法包括以下步骤：

获取枕轨表面的灰度图像，对所述灰度图像初步分割得到疑似裂纹区域；

标记每个所述疑似裂纹区域的中心线，获取所述疑似裂纹区域中每个像素点与所述中心线之间的最短距离，基于所述最短距离获取所述疑似裂纹区域的裂纹宽度以及所述疑似裂纹区域中每个像素点的影响程度；

获取所述疑似裂纹区域中每个像素点对应邻域范围的灰度信息，基于所述疑似裂纹区域的裂纹宽度、所述疑似裂纹区域中像素点的影响程度以及对应邻域范围的灰度信息得到对应像素点自适应的局部窗口尺寸；

基于自适应局部窗口尺寸的Niblack算法获取所述疑似裂纹区域中的异常像素点，根据所有所述异常像素点得到枕轨生产质量。

优选的，所述基于所述最短距离获取所述疑似裂纹区域的裂纹宽度以及所述疑似裂纹区域中每个像素点的影响程度的步骤，包括：

计算所述疑似裂纹区域的所有边缘像素点与所述疑似裂纹区域的中心线之间的最短距离的平均值，将所述平均值的二倍作为所述疑似裂纹区域的裂纹宽度；

获取所述疑似裂纹区域中每个像素点对应的拟合直线，并获取所述拟合直线的斜率绝对值；对于所述疑似裂纹区域中任一像素点，计算像素点对应的最短距离与拟合直线的斜率绝对值的乘积，以所述乘积的负数作为自然常数的指数，得到的结果作为对应像素点的影响程度。

优选的，所述获取所述疑似裂纹区域中每个像素点对应的拟合直线的步骤，包括：