热态重轨表面缺陷机器视觉检测的关键技术

作者：谢长贵; 谢志江

来源：重庆大学学报, 2013, 36(10): 16-21.

• 热态重轨
• 机器视觉
• 重轨表面缺陷
• 神经网络 hot heavy rail steel
• machine vision
• heavy rail surface faults
• neural network

针对目前热态重轨表面缺陷检测速度慢、精度低的问题,提出一种基于机器视觉的热态重轨表面缺陷检测系统。利用多线阵CCD摄像机采集图像,根据重轨几何特征及其缺陷高频区域特性,对重轨进行了六视角拍摄,然后在图像工作站中进行各种图像处理。系统采用改进的Hough变换提取特征缺陷,针对SVM算法训练速度慢的特点,利用模糊Kohonen神经网络对重轨表面缺陷进行分类。采用上述机器视觉检测关键技术对热态重轨表面进行缺陷识别,提高了检测速度,且正确率在85%以上。

• 单位
  重庆大学; 重庆工程职业技术学院