[发明专利]一种针对CRTS II型板式轨道的裂缝检测方法在审
申请号: | 201810026723.7 | 申请日: | 2018-01-11 |
公开(公告)号: | CN108226180A | 公开(公告)日: | 2018-06-29 |
发明(设计)人: | 李文举;章梦;李培刚;韦丽华 | 申请(专利权)人: | 上海应用技术大学 |
主分类号: | G01N21/95 | 分类号: | G01N21/95;B61K9/10 |
代理公司: | 上海汉声知识产权代理有限公司 31236 | 代理人: | 田晓杰;胡晶 |
地址: | 200235 上海*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 裂缝 轨道 裂缝检测 采集 最大类间方差算法 计算机视觉技术 预处理 图像 高检测效率 图像灰度化 分类处理 分类信息 高斯滤波 轨道交通 裂缝图像 裂缝信息 特征提取 图像增强 相机固定 阈值分割 输出 焦距 漏检率 时效性 误检率 再使用 安全 准确率 算法 正对 工作量 平行 镜头 分类 检测 保证 | ||
本发明的针对CRTS II型板式轨道的裂缝检测方法属于轨道交通安全和计算机视觉技术领域,该方法首先要采集轨道裂缝图像,要求采集过程中保持相机固定高度、焦距和图像尺寸,同时镜头正对裂缝,保持与路面平行。然后对采集到的图像进行图像增强,图像灰度化,高斯滤波等预处理,再使用最大类间方差算法进行阈值分割,获取最适合的阈值带入Canny边缘检测,再进行特征提取,最后对裂缝安全等级进行判断并输出裂缝信息。本发明的检测方法,能够对不同大小的轨道裂缝进行分类,并输出分类信息和安全等级,以减少人工进行分类处理的工作量。同时该算法在很大程度上提高准确率,降低漏检率和误检率,保证较高检测效率同时兼顾时效性。
技术领域
本发明属于轨道交通安全和计算机视觉技术领域,涉及一种针对CRTS II型板式轨道的裂缝检测方法。
背景技术
我国高速铁路飞速发展,由于大量基础设施逐渐由建设期进入养护期,设施面临着自身结构老化及外来因素损害等病害的影响。基础设施主要安全问题中既有由于混凝土收缩徐变、结构位移变形、自然老化、轨道内部缺陷等原因引起的各种病害,又有受外界因素破坏造成的损害、建设期间存在的各种施工遗留问题。后期随着养护年限的不断增加,基础设施还有可能面临地基的不均匀沉降、钢轨开裂、结构侵蚀破坏等病害,以及地震等自然灾害和人为因素破坏等危害的影响,这些都将直接对轨道交通的安全运营构成威胁。
当前我国轨道交通线路状态安全检测仍然是人工静态检查为主。一般由各工区分段负责某一线路,利用线路无运营任务的夜间时间进行检查。这种人工为主并且分专业的检测方式存在许多缺陷,检测速度慢导致占用线路时间长、工作效率低、人工成本髙,无法满足运营安全的实际需求,迫切需要开发先进高效的检测手段。针对目前人工检测方法工作效率低、准确率低和成本高等问题,提出一种针对CRTS II型板式轨道的裂缝检测方法。
发明内容
本发明的目的是提供一种针对CRTS II型板式轨道的裂缝检测方法,该算法在很大程度上提高准确率,降低漏检率和误检率,保证较高检测效率同时兼顾时效性。
为了实现上述目的,本发明提供的一种针对CRTS II型板式轨道的裂缝检测方法,该方法包括如下步骤:
Step1:输入图像:采集轨道裂缝图像。
Step2:预处理:对采集到的裂缝图像进行预处理操作,包括图像增强、图像灰度化和高斯滤波。
Step3:阈值分割:对预处理后的图像进行阈值分割,寻找最佳阈值。
Step4:裂缝检测:将获取的最佳阈值带入Canny边缘检测,对图像进行特征提取。
Step5:特征提取:定义轨道裂缝三个安全等级,分别为:轻微裂缝、预警裂缝和高危裂缝。
Step6:输出裂缝的信息并判断安全等级:对提取出来的目标特征参数进行分析和提取,将处理过后的图像进行分类,输出裂缝信息和判断安全等级。
其中:
所述Step1:采集图像要求采集过程中保持相机固定高度、焦距和图像尺寸,同时镜头正对裂缝,保持与路面平行。
所述Step2:图像预处理,首先对采集原图增强亮度和对比度,再对图像进行开运算,删除不能包含结构元素的对象区域,平滑对象的轮廓,断开狭窄的连接,去掉细小的突出部分,再对图像进行灰度化,得到灰度图像。再对灰度图像进行高斯滤波,使用3×3模板进行降噪,消除孤立点。
所述Step3:阈值分割方法为:统计每个灰度级中像素的个数,计算每个灰度级的像素数目占整幅图像的比例,遍历灰度级[0,255],找到最佳阈值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海应用技术大学,未经上海应用技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810026723.7/2.html,转载请声明来源钻瓜专利网。