10.3969/j.issn.1672-7029.2017.12.007
基于多特征融合与AdaBoost算法的轨面缺陷识别方法
针对钢轨表面缺陷检测精度易受采集装置振动与异物干扰的影响等问题,通过分析缺陷的位置,设计钢轨图像采集装置.在此基础上,首先根据钢轨的形状特征,结合Hough变换与最小二乘法提取钢轨表面区域,再结合超熵理论与模糊理论对钢轨表面缺陷进行分割,然后建立正样本及负样本数据库,并通过提取样本的Harr-like特征与低层特征建立样本特征数据库,最后结合C4.5与AdaBoost算法设计缺陷分类器,对非缺陷进行排除并对缺陷进行分类.通过在500~1000 lx,1000~10000 lx,10000~100000 lx 3种不同的光照强度区间内对木枕及混凝土枕轨道的钢轨表面缺陷进行识别,识别时间平均为698ms,识别正确率平均为97.02%,与传统的识别方法对比具有明显的优势.
振动、轨面提取、Hough变换、图像特征、AdaBoost、光照强度、缺陷识别
14
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目61663022,61461023;长江学者和创新团队发展计划资助项目IRT_16R36;甘肃省高原信息工程及控制重点实验室开放课题基金资助项目20161105;兰州交通大学优秀科研团队资助项目201701
2018-01-03(万方平台首次上网日期,不代表论文的发表时间)
共9页
2554-2562