【技术实现步骤摘要】
本专利技术涉及钢轨检测，尤其涉及一种基于机器视觉的钢轨光带检测方法。
技术介绍
1、随着铁路的高速发展，铁路渐渐成为人们日常生活的常用交通工具。铁路交通安全对轨道状态有严格的要求，对轨道平稳性的要求也在不断提高，车轮轮缘与钢轨间相互作用，会在钢轨上留下亮痕,这种亮痕称为钢轨光带。钢轨光带宽度的增大或减小，可以反映轨道的状态。钢轨光带发生异常，直接原因是轮轨间作用力和作用点发生了改变。因此定量检测钢轨光带可以反映轮轨关系，车轮轮缘与钢轨间相互作用，会在钢轨上留下亮痕,这种亮痕称为钢轨光带。钢轨光带宽度的增大或减小，可以反映轨道的状态。钢轨光带发生异常，直接原因是轮轨间作用力和作用点发生了改变。因此定量检测钢轨光带可以反映轮轨关系。
2、如专利（cn107194921a）公开了钢轨轨面光带的自动识别方法和装置，解决了采集的图像受不均匀光照和相机视角等条件的限制，特别是光带的呈像质量差异较大，进而影响钢轨光带识别的处理，检测速度和缺陷检出率受到严重制约的技术问题；
3、为此，我们设计一种基于机器视觉的钢轨光带检测方法，用于提供一种便于实施检测并对异常进行检测的方法。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种基于机器视觉的钢轨光带检测方法，解决上述
技术介绍
中提出的技术问题。
2、为了解决上述的技术问题，本专利技术采用了如下技术方案：
3、一种基于机器视觉的钢轨光带检测方法，步骤如下：
4、s1：通过ccd相机对钢
5、s2：对s1步骤处理后的光带数据输送给图像传输储存单元进行保存数据；
6、s3：对s1步骤预处理后的图像进行目标检测，并对ssd模型进行训练；
7、s4：通过训练后的ssd模型对数据收集设备中线阵ccd相机实时拍摄的钢轨光带图像进行检测，并识别出钢轨光带的位置和边界框；
8、s5：对s4识别后的光带图像数据进行异常判断。
9、作为本专利技术提供的所述的一种基于机器视觉的钢轨光带检测方法的一种优选实施方式，所述s1步骤中，通过数据收集设备在钢轨的顶部进行移动，通过里程脉冲计数器对数据收集设备在钢轨顶部移动的距离进行记录，同时通过线阵ccd相机对钢轨的图像进行数据收集。
10、作为本专利技术提供的所述的一种基于机器视觉的钢轨光带检测方法的一种优选实施方式，所述s1步骤中，对收集的图像进行预处理，步骤如下：
11、通过滤波算法去除图像中的噪声；
12、通过加权平均法将彩色图像转换为灰度图像，从而便于后续的图像处理；
13、通过通过自适应直方图均衡化的方式调整图像的对比度、亮度属性来增强图像的特征；
14、通过canny边缘检测算法提取图像中的边缘信息。
15、作为本专利技术提供的所述的一种基于机器视觉的钢轨光带检测方法的一种优选实施方式，所述通过滤波算法去除图像中的噪声，步骤如下：
16、首先设定均值滤波器中的窗口大小；
17、然后通过均值滤波器图像的每个像素点和每个像素点周围的窗口区域，计算像素值的平均值；
18、然后将得到的平均值作为均值滤波器处理后的像素值；
19、重复步骤，对图像中的每个像素点使用。
20、作为本专利技术提供的所述的一种基于机器视觉的钢轨光带检测方法的一种优选实施方式，所述s3步骤中，对s1步骤预处理后的图像进行目标检测，步骤如下：
21、从预处理后的图像中提取通过canny边缘检测算法提取图像中的边缘信息，作为钢轨光带的轮廓，并对数据进行标注后收集；
22、将收集到的钢轨光带数据集按照8：2分为训练集和测试集，通过训练集对ssd模型进行训练，并通过测试集对训练后的ssd模型进行测试模型检测的精准。
23、作为本专利技术提供的所述的一种基于机器视觉的钢轨光带检测方法的一种优选实施方式，所述s5步骤中，对s4识别后的光带图像数据进行异常判断，通过根据光带的宽度和光带位于钢轨表面的位置进行异常判断，步骤如下：
24、当光带整体平均宽度小于 20 mm 或大于 40 mm为光带宽度异常；
25、当光带平均中心线位置与轨面中心线偏离6mm为光带中心偏离；
26、当光带中存在长度大于100 mm的局部区域，该区域的光带宽度与整体光带的平均宽度相差士10 mm光带局部异常。
27、可以毫无疑义的看出，通过本申请的上述的技术方案，必然可以解决本申请要解决的技术问题。
28、同时，通过以上技术方案，本专利技术至少具备以下有益效果：
29、本专利技术提供的一种基于机器视觉的钢轨光带检测方法，通过方法的改进，能够便于对钢轨光带状态的实时监测和异常检测，有助于铁路维护人员及时发现并处理潜在的安全隐患，提高铁路运行的安全性和效率。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的钢轨光带检测方法，其特征在于，步骤如下：
2.根据权利要求1所述的一种基于机器视觉的钢轨光带检测方法，其特征在于，所述S1步骤中，通过数据收集设备在钢轨的顶部进行移动，通过里程脉冲计数器对数据收集设备在钢轨顶部移动的距离进行记录，同时通过线阵CCD相机对钢轨的图像进行数据收集。
3.根据权利要求1所述的一种基于机器视觉的钢轨光带检测方法，其特征在于，所述S1步骤中，对收集的图像进行预处理，步骤如下：
4.根据权利要求3所述的一种基于机器视觉的钢轨光带检测方法，其特征在于，所述通过滤波算法去除图像中的噪声，步骤如下：
5.根据权利要求1所述的一种基于机器视觉的钢轨光带检测方法，其特征在于，所述S3步骤中，对S1步骤预处理后的图像进行目标检测，步骤如下：
6.根据权利要求1所述的一种基于机器视觉的钢轨光带检测方法，其特征在于，所述S5步骤中，对S4识别后的光带图像数据进行异常判断，通过根据光带的宽度和光带位于钢轨表面的位置进行异常判断，步骤如下：
【技术特征摘要】
1.一种基于机器视觉的钢轨光带检测方法，其特征在于，步骤如下：
2.根据权利要求1所述的一种基于机器视觉的钢轨光带检测方法，其特征在于，所述s1步骤中，通过数据收集设备在钢轨的顶部进行移动，通过里程脉冲计数器对数据收集设备在钢轨顶部移动的距离进行记录，同时通过线阵ccd相机对钢轨的图像进行数据收集。
3.根据权利要求1所述的一种基于机器视觉的钢轨光带检测方法，其特征在于，所述s1步骤中，对收集的图像进行预处理，步骤如下：
4.根...
【专利技术属性】
技术研发人员：王邦胜，杨长辉，薛云飞，武建龙，曹建东，刘建博，太帅，李广伟，胡志勇，郭建斌，于莉，何静，
申请(专利权)人：中扭科技重庆有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。