10.19713/j.cnki.43-1423/u.T20210806
基于改进形状匹配的扣件缺陷检测方法
基于传统图像处理的扣件检测方法在扣件定位方面存在定位不准、定位方法局限性较大等问题,在扣件识别方面的正确率也不高.而基于深度学习的扣件检测方法则需要大量的扣件样本作为训练集,训练效果难以保证.鉴于以上不足,提出一种基于改进形状匹配的扣件缺陷检测方法,该方法的一大优势是无需预先进行扣件定位,且匹配速度快、召回率高.该方法改进点主要包括:1)采用多模板匹配代替单模板匹配,以提高模板的多样性,进而提高扣件的匹配召回率;2)采用基于HALCON的形状匹配代替传统模板匹配,便于提高扣件的边缘检测效率,增强检测鲁棒性;3)提出扣件图片智能裁剪和模板库自动化更新算法,其中智能裁剪可裁剪出更加整齐而规范的数据集,模板库自动化更新算法可根据匹配的扣件数据集动态更新模板库.用轨道综合巡检车拍摄的扣件图片对该方法进行了实验验证.研究结果表明,在匹配阈值为0.75,模板库扣件数量为32的条件下,该改进方法对单张图片匹配时间为仅为0.18 s,检测召回率达到了98.15％.该改进方法高效且智能,具有较高的实用性、适用性和可行性,能够满足工务段日常维检的需要.
扣件检测、多模板匹配、形状匹配、图像处理
19
U216.3(铁路线路工程)
国家自然科学基金;京沪高速铁路股份有限公司科技研究项目;高速铁路基础研究联合基金资助项目
2022-08-29（万方平台首次上网日期，不代表论文的发表时间）
共8页
1872-1879
