[发明专利]基于机器视觉的CRTSⅡ板式无砟轨道裂缝检测分类方法在审
| 申请号： | 201910065861.0 | 申请日： | 2019-01-23 |
| 公开（公告）号： | CN110175976A | 公开（公告）日： | 2019-08-27 |
| 发明（设计）人： | 李文举;沈子豪;李培刚;何茂贤;那馨元 | 申请（专利权）人： | 上海应用技术大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06T7/13;G06T7/136;G06T7/187;G06K9/62;G01N21/88 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 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： | 本发明提供了一种基于机器视觉的CRTS II板式无砟轨道裂缝检测分类方法。该方法将提高裂缝识别的准确性，有效的降低误检率。由于裂缝的形状决定其病害程度，导致裂缝的修补方式不同。因此该方法通过机器学习算法解决裂缝形状分类的问题。 | ||
| 搜索关键词： | 板式无砟轨道 基于机器 裂缝检测 分类 裂缝 视觉 机器学习算法 裂缝识别 裂缝形状 误检率 病害 修补 | ||
【主权项】：
1.一种基于机器视觉的CRTS II板式无砟轨道裂缝检测分类方法，其特征在于，包括：Step1：采集CRTS II板式无砟轨道的裂缝的原始图像；Step2：对所述裂缝的原始图像进行预处理操作，得到灰度图像；Step3：对所述灰度图像进行二值化操作得到二值图像；Step4：对所述二值图像进行分割，以分割出裂缝图像；Step5：对所述裂缝图像进行边缘检测，得到裂缝的轮廓图像；Step6：对所述轮廓图像进行特征提取，并计算裂缝的宽度；Step7：通过支持向量机机器学习算法对所述裂缝的形状进行分类；Step8：对分类好的裂缝进行安全等级评定。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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/patent/201910065861.0/，转载请声明来源钻瓜专利网。
