基于机器视觉的货车轮对踏面异常磨损监测方法

为实现对轮对踏面磨损的准确监测,提出基于机器视觉的货车轮对踏面异常磨损监测方法.结合监测原理采集货车高清图像,将图像转换成灰度图像,通过背景差分方法剔除多余背景,只保留货车轮对图像,将灰度图像转换成二值图像,分割图像内具有特殊含义的不同区域,得到轮对局部踏面信息.运用Canny算子提取图像中货车轮对的踏面边缘,构建灰度空间,依靠灰度共生矩阵映射图像在灰度空间的分布状况,得到可疑区域图像.使用垂直或水平的扫描线对可疑区域图像扫描,若局部区域超出设想阈值,则证明该点为异常磨损点.实验结果证明,所提方法得到的局部图像较为清晰,能够以最小的误差识别货车轮对的异常磨损区域.     

基于振动与图像检测的车轮踏面擦伤检测系统设计

为了解决现有检测系统存在的稳定性不足、检测精准度偏低的问题,本文结合振动与图像检测过程,设计了新的车轮踏面擦伤检测系统.因车轮对钢轨的冲击速度与车轮直径呈负相关、与擦伤长度和行驶速度呈正相关,则可计算轮对在不同行驶速度下对钢轨的冲击速度,并撞击速度与临界速度的关系求得车轮踏面擦伤深度.利用线性激光光源投影踏面表面,把入...     

基于改进标记分水岭的彩色踏面图像分割

踏面图像分割是实现踏面区域与背景分离的过程,是联系图像预处理与踏面图像 缺陷检测的纽带。针对传统踏面图像分割方法处理过程中存在的图像信息缺失、区域轮廓分割 精度低和抗干扰能力差的问题,提出了一种基于改进分水岭算法的彩色踏面图像分割方法。首 先使用带色彩恢复的多尺度视网膜增强(MSRCR)调整踏面图像入射分量与反射分量及RGB 3 个颜色通道之间的比例;然后直接计算彩色图像梯度图,通过改进RGB 彩色分量融合运算完 成彩色梯度图像前景与背景的标记后进行分水岭变换得到初始分割结果;最后结合踏面轮廓方 位特点设计图像连通域提取分割算法完成踏面曲面提取。实验结果表明,本方法分割图像边缘 特性好,颜色保真,抗雾霾、光照干扰能力强,可以获得理想的车轮踏面分割结果。     

一种基于空间滤波的钢轨表面擦伤检测改进算法

钢轨表面擦伤检测是保障铁路运输安全的重要手段之一。应用图像处理和模式识别技术来处理钢轨数字图像,检测并定位擦伤区域是一种可行且发展迅速的研究手段。课题组在前期工作中提出了一种鲁棒实时的钢轨表面擦伤检测算法,该算法首先对钢轨图像进行灰度对比度增强,在此基础上定位可疑擦伤区域并进行判定。算法对于常规擦伤图像具有较高的检测性能,但对于钢轨图像包含多处擦伤且擦伤区域灰度值差异较大的情况,往往造成漏检。针对原算法的不足,提出了一种基于空间滤波的钢轨表面擦伤检测改进算法,该算法对原算法检测到的擦伤区域进行钢轨灰度图均值填充,并对填充后的图像进行二次检测,在重新生成的灰度对比度图中,原检测图像中灰度值不明显的擦伤区域的灰度对比度值得到增强,从而增加了检出的可能性。经实验结果验证,改进算法具有较高的检测性能:在总的时间耗费没有明显增加的情况下,检测的平均准确率为90.8%,平均漏检率为4.0%,较原算法有较大改善。     

货车车轮踏面区域分割方法研究

为了实现踏面损伤的定位,提出了一种基于自适应阈值平稳小波的货车车轮踏面区域分割算法。首先采用基于自适应阈值平稳小波边缘检测算法检测踏面候选边缘线。最后利用踏面边缘线搜索算法获取踏面区域。实验结果表明：基于自适应阈值平稳小波边缘检测算法能检测到完整踏面候选边缘线,踏面边缘线搜索算法实现了踏面区域的分割。因此,该方法是一种有效的踏面区域分割方法。     

基于变分模态分解的货运列车车轮踏面擦伤故障诊断方法研究

针对采用现有方法诊断所得车轮踏面擦伤的测量值和实际值之间差距较大的问题,提出基于变分模态分解的货运列车车轮踏面擦伤故障诊断方法.将变分模态分解中的本征模态函数定义成一个调幅-调频信号,利用该信号获取窄带的IMF分量,实现对擦伤故障特征的提取.基于特征提取结果,分别计算货运列车低速行驶与高速行驶时的冲击速度,得出踏面擦伤长度.通过振动加速度法计算临界速度与货运列车的行驶速度,得出擦伤深度,以此完成对车轮踏面擦伤故障的诊断.经过实验证明,所设计方法测量结果与实际结果之间误差较小,说明该方法的诊断结果可靠性较高.     

基于小波矩的图像复制粘贴篡改检测

图像的局部复制粘贴篡改技术,是最常见的一种图像伪造方式,对此提出一种基于小波矩的图像复制粘贴篡改检测算法．首先通过变分水平集活动轮廓模型初步确定图像篡改的可疑区域：然后对每一块可疑区域利用小波矩算法提取其小波矩特征;接着利用余弦相关性测度判别可疑区域的相似性;最后定位图像的篡改区域．实验结果表明本算法能够有效提取可疑区域,并进一步定位篡改区域．此外,算法对图像前景篡改区域的平移、旋转和缩放具有较强的鲁棒性．     

基于图像畸变校正的车轮踏面区域提取

为了实现踏面缺陷部位面积的精确测量,提出了一种基于图像畸变校正的车轮踏 面区域提取方法。首先采用改进的彩色图像标记分水岭初次分割侧视视角踏面曲面图像,然后 根据踏面曲面图像横向和纵向畸变的不同特点顺次进行平面横纵坐标几何校正并在此过程中完 成踏面区域的二次分割与视角转换,最后得到踏面正视视角矫正图像。实验结果表明,该方法 可以准确分割并校正侧视视角踏面图像,为实现踏面缺陷面积的精确计算打下基础。     

超声乳腺肿瘤的全自动SVM检测与水平集分割算法

超声图像检测是当前乳腺癌诊断的主要辅助手段之一.为实现超声乳腺肿瘤的计算机自动辅助诊断,提出一种基于支持向量机(SVM)目标检测与水平集图像分割相结合的全自动肿瘤提取算法.首先提取超声图像训练集的分块特征来训练SVM分类器,对测试集图像进行检测得到可疑病灶区域;然后提取可疑区域边缘作为水平集的初始轮廓,使用加入Bhattacharyya距离项的Chan-Vese主动轮廓改进模型进行可疑病灶区域的轮廓演化,得到准确的轮廓;最后综合面积、位置、灰度、纹理等因素设计区域评价筛选准则,去除可疑病灶中的干扰区域,得到最终的肿瘤分割结果.在真实病例数据集上的测试结果表明,利用该算法在良恶性肿瘤检测分割中均有较好表现.     

基于YOLOv3-tiny的列车轮对踏面缺陷定位与测量方法

针对基于深度学习的轮对踏面缺陷检测算法中检测框尺寸精度不足的问题,文章提出一种结合YOLOv3-tiny与传统图像算法的踏面缺陷检测算法,以实现低CPU消耗的列车轮对踏面缺陷快速定位与几何参数的精确测量.其首先对工业场景下获取到的小样本进行图像增强,然后采用YOLOv3-tiny算法对踏面缺陷进行迁移学习,实现缺陷的粗...     

基于GA-RBFNN算法的列车车轮踏面损伤识别

为了实现列车车轮踏面损伤识别,提出了一种基于GA-RBFNN算法的货车车轮踏面损伤识别方法。该算法采用浮点数编码将RBFNN的中心参数和宽度进行了编码,利用GA的选择、交叉和变异操作优化网络参数,权值采用最小二乘法确定。利用该算法和BP算法、传统的RBFNN算法进行了剥离和擦伤识别的对比实验,结果表明：GA-RBFNN算法对剥离、擦伤和非损伤三类样本的测试集的识别率高于传统的RBFNN算法和BP算法,而且GA-RBFNN算法的进化代数远远小于BP算法和传统的RBFNN算法迭代次数。     

基于DT-CWT和SVM的踏面旋转不变纹理提取算法

针对列车车轮踏面旋转纹理信息无法准确、有效提取的问题,提出一种基于Radon变换和双树复小波变换（DT-CWT）的列车车轮踏面特征提取方法。首先,对车轮踏面图像进行Radon变换;然后,对变换后的图像进行DT-CWT分解,使用分解后的各层低频子带系数和高频子带系数模的均值和标准方差构造特征向量,将其作为区分列车车轮踏面是否发生损伤的依据;最后,由支持向量机（SVM）进行分类决策。使用动车所采集的图像及人为加噪声后的图像进行分类实验,结果表明,本文使用的Radon和DT-CWT算法能有效地进行旋转不变纹理的提取,SVM分类正确率可以达到95%,可为列车车轮踏面状况检测提供更为准确便捷的方法支撑。     

基于U-Net卷积神经网络的轮毂缺陷分割

为实现轮毂缺陷检测自动化,该文依据轮毂X射线图像,提出一种基于U-Net卷积神经网络的自动分割的改进方法。将原始U-Net模型的最大池化操作替换为卷积操作,并加入Dropout层对网络进行优化,提升模型可靠性。同时对带有缺陷的轮毂图像做数据预处理,用于训练改进的U-Net模型。结果表明,该网络在复杂轮毂X射线图像的缺陷识别中表现良好,DICE系数为0.8554,SSIM系数为0.9655,识别速度达到3 ms/张;该方法能较好地实现轮毂射线图像缺陷的自动分割,满足无损检测的自动化需要。     

基于LMM和NARNN的车轮踏面退化状态预测

作为列车的关键走行部件,车轮的退化状态对列车的安全具有重要影响。以车轮踏面磨耗量为研究对象,将历史车轮踏面磨耗数据作为输入,分别采用线性混合模型(LMM)和非线性自回归神经网络(NARNN)对车轮踏面磨耗进行建模。首先,对比不同随机效应的LMM,选择随机系数相关的LMM,进而预测车轮踏面磨耗量;其次,使用随机搜索算法优化NARNN中的参数。结果显示,基于LMM的踏面磨耗值的预测精度更高。     

邻域粗糙集在轮对踏面缺陷图像特征选择的应用

邻域粗糙集理论能够直接处理数值性数据,无需离散化,已经被应用在属性选择和分类器设计中;文中在分析了轮对踏面缺陷图像的成像特征的基础上,首先从缺陷样本中提取了16个特征值,然后基于邻域粗糙集知识约简的思想,提出了一种轮对踏面缺陷图像特征的选择方法,实现了对原始特征的优化选择,利用径向基函数神经网络和选择的特征值对缺陷进行分类;实验结果表明,该方法可将识别的原始特征下降到原始特征数目的20%左右,擦伤识别率提高了68%。     

模式识别在轮对踏面磨耗检测中的应用

轮对踏面磨耗是危及列车运行安全的主要原因之一，提出了将差影法的模式识别方法应用于火车轮对踏面磨耗检测中。目前我国对火车轮对踏面的检测还停留在手工机械式测量阶段，检测技术落后，人为检测误差大，自动化水平低。将模式识别技术应用于踏面磨耗检测中，方法简单，直观，智能化程度高。本文详细介绍了机器视觉检测原理和差影算法，阐述了将差影法应用于踏面磨耗检测中的具体方法，使踏面磨耗检测进入全面自动化。     

区域生长的轮对图像分割

轮对作为列车的重要组成部分,其踏面磨耗参数的在线检测对保障轨道交通安全具有重要意义。在基于光截图像测量技术的轮对外形尺寸动态检测中,能否获取完整的轮对轮廓图像至关重要。针对轮对图像特点,提出一种基于区域生长的轮对图像分割新算法。该算法根据不同情况下轮对图像特点,通过基点位置选取恰当的种子点,并确定合适的生长准则。经过区域生长,有效地提取轮对轮廓图像。通过大量图像验证,该算法分割结果图的交迭面积比大于80%,误分面积比小于0.02%。可以在多种情况下有效地提取轮对轮廓曲线,具有良好的抗噪能力。     

基于概率模型检测的软件缺陷定位方法

软件缺陷的存在导致软件无法满足用户的需求,如何高效高质量地定位缺陷是消除软件缺陷的关键.基于模型的缺陷定位技术是当前的研究热点,可以用于检测软件系统故障找到软件失效的原因.现有基于模型的缺陷定位技术中,未考虑非相邻节点间传递依赖和测试用例对可疑度的影响,导致缺陷定位精度和效率低.提出了基于概率模型检测的软件缺陷定位方法(probabilistic model checking method for software fault location,PMC-SFL),首先提出一种程序概率模型用于提高模型的推理能力;然后设计了基于执行路径构建程序概率模型的学习算法;最后设计了基于概率模型检测的软件缺陷定位算法,用于缺陷定位分析.通过在公共数据集Siemens上进行实验和分析,表明了PMC-SFL方法与五种现有的缺陷定位方法RankCP、BNPDG、Tarantula、SOBER和CT相比,具有更高的软件缺陷定位精度和效率.     

一种在铸件缺陷识别中的区域分形分割方法

在利用X射线对铸造缺陷识别的过程中,由于X光图像中铸件形成的背景复杂,传统的区域分割技术难以分割出缺陷集中的兴趣区域。利用缺陷边缘的分形特性从铸件边缘线图中确定缺陷的边缘线,以聚类方法将缺陷边缘线聚集的区域,即缺陷集中的兴趣区域分割出来。针对汽车铝合金轮毂铸件X光图像,用铸造缺陷区域的分割实验结果证明了该方法的有效性。