铁轨表面缺陷的视觉检测与识别算法研究

杨勇光

江苏建科工程咨询有限公司 江苏 南京 210000

现如今，机器视觉技术得到了迅速发展，将其应用在铁轨质量检测中有助于及时发现存在问题。应用线扫描相机与LED线性光源的光学成像系统，应用均值平均分割与支持向量机展开波纹检验与判断，利用区域生长于主成分分析及时检测裂纹。

1 系统设计

基于高速条件下，通过线阵相机与线阵光源的光学成像形式能够生成清楚的铁轨表面图像。在列车内安装光电编码设备，主要作用为车速测量。磁盘阵列利用IP以太网与服务器连接，多应用在储存在线检测的海量铁轨图像数据。图像处理计算机实现铁轨影像的预处理与铁轨表面缺陷检验。GPS系统可以准确检测到铁轨坐标位置，输入铁路里程数，更正光电传感器获得距离参数。实际运行过程中，系统上电后，各系统实现初始化，检验人员通过相机形式、曝光时间等参数。随后，检验列车初始时待检测铁轨段行驶，车轮光电传感器发出脉冲信号，接收到信号后搜集铁轨成像并输送至磁盘阵列内。计算机提取成像后，缺陷检测程序检验铁轨外层有无的缺陷，结合缺陷类型划分。工作人员检查初始影像，诊断有无缺陷问题。随后，储存缺陷数据便于检修人员检修[1]。

2 铁轨表面缺陷检测识别算法

2.1 数字图像处理技术

图像处理技术指的是计算机对数字图像的研究，其中包含计算速度、传输带宽、储存容量，综合了额计算机、电子、数据等信息技术。图像处理可以划分成低级、中级、高级。数字图像文件格式呈现多样化，BMP格式作为标准Windows图像格式，在Windows条件下图像软件都兼容BMP图像格式。数字图像处理特别时工业检测时，BMP格式应用较多。改系统搜集的铁轨图像为BMP格式单通道影像，像素深度约8bit。线阵相机搜集的一帧线影像约1024个像素，笔者把1536行线影像连接成全景影像。因此，该系统搜集的铁轨影像大小约1024*1536。系统现场搜集的带波纹擦伤的铁轨全景影像[2]。

2.2 表面缺陷视觉检验过程

该系统核心任务是通过图像处理与识别技术将缺陷目标分化，随后提取缺陷特征，结合图像特点分类。铁轨影像处理要求协调铁轨表面影像质量无稳固性、图像数据量较大、表面缺陷形式多样化。结合铁轨影像设计铁轨表面缺陷检测算法，制定有效方案排除消音、图像影像。该种检测方法分为：铁轨图像预处理、缺陷快速检测、缺陷准确。首先，搜集铁轨影像实现预处理，铁轨表面区域只占据图像一部分，其他区域灰度特点和缺陷相近。选择水平投入方法提取铁轨表面区域影像。其次，搜集铁轨表面缺陷。划分铁轨表面影像获得相关影像，随后进行铁轨表面图像处理获得另一个影像。将两个影像应用逻辑与“and”做融合，获得候选缺陷的铁轨表面影像，其中可能出现虚假缺陷。分析两幅影像有无异常，如果不存在即可完成铁轨影像检验，如果存在操作后续处理操作。缺陷准确定位。对铁轨表面影像采取开操作，便于连接相同缺陷单断裂的缺陷像素。随后，结合数学形态填充算法填充空洞，过滤区域面积低于设定阈值区域，获得真实缺陷的影像。最终，标记影像获得标记矩阵，通过标记矩阵其提取缺陷区为后续缺陷特征提取创造条件[3]。

2.3 铁轨图像预处理

首先，图像去噪。在铁轨影像种提取有效信息成为核心，搜集铁轨影像时会受到环境、列车行驶时线阵相机抖动影像，防止产生噪音进而保障影像质量。所以，选取适宜的算法对搜集的影像展开去噪平滑操作。图像滤波方法呈现多样性，结合滤波功能可以划分为平滑型滤波与锐化型滤波。其次，铁轨表面区域提取。分为铁轨影像可以看见影像从铁轨表面与其他区域组成。检测系统内，相机视场为130mm，铁轨宽度约70mm～75mm，铁轨底部宽为160mm。因此，其他铁轨区域属于一部分铁轨底端。另一方面，非钢轨表面区域和钢轨表面区域灰度参数特点不同，钢轨表面区域灰度参数超出非钢轨表面区域灰度参数，单缺陷灰度参数与非钢轨表面区域与灰度参数相近。计算过程中若忽略不计将给后续检测算法造成难度。因此，提取钢轨表面区域，排除非钢轨表面区域。

2.4 缺陷准确定位

单个波纹擦伤缺陷被分割成了若干个缺陷或者呈喷雾状分布，这样不利于后面的缺陷识别算法，所以需要将单个的波纹擦伤缺陷进行黏合。因为算法是同时作用于两种缺陷的，所以需要确保选择的缺陷既能将单个波纹擦伤缺陷黏合，又不影响症痕缺陷。

区域黏合后的二值图像中，有些单个缺陷的内部存在一些孔洞，为了避免其对特征提取算法的影响，需要对其进行填充。本文使用一种基于数学形态学的区域填充算法对图像进行孔洞填充，该算法是以集合的膨胀、求补和交集为基础[4]。

3 结束语

总而言之，伴随着铁路工程建设进程的加快，铁路部门应对铁路维修给予高度重视，加强铁轨外层质量研究。以往人工巡检已经落后现代要求，应用高速检测的铁轨表面缺陷的机器视觉检测系统成为当前铁路维修重要研究内容。笔者分别从两方面对铁轨表面缺陷展开分析，设计铁轨表面缺陷的机器视觉检测系统，对系统内光学成像技术与表面缺陷检测识别算法展开分析，希望对后续研究提供借鉴。