基于机器视觉的钢轨缺陷检测方法综述

摘 要

钢轨缺陷的检测与铁路安全息息相关，同时也指出了钢轨检测的困难性。研究了机器视觉在钢轨检测中的应用，归纳了机器视觉检测的特点，概述了常规机器视觉检测的方法，并进行了对比分析。指出了对钢轨检测和机器视觉的发展趋势，为今后深入进行钢轨探伤提供了方向。

【关键词】机器视觉 钢轨缺陷检测 图像处理

铁路运输成为我国发展路途中不可获缺的交通运输方式，铁路的发展推动着经济的发展。我国铁路的发展向着高速和重载的方向前进，给我们的生活带来了极大的便利，同时钢轨的疲劳磨损也会增加。钢轨的掉块、裂纹、扎痕等缺陷会给铁路的运输带来很大的安全隐患，为此必须对钢轨的表面进行检查并维护。传统的钢轨缺陷检测靠的是肉眼识别，花费的时间多且不易检测出缺陷位置，难度大。因此，钢轨的检测必须趋于智能化目前钢轨检测的方法主要有磁粉检测、涡流检测、红外线检测、机器视觉检测。其中磁粉检测能够探测到钢轨表面的缺陷位置，灵敏度高，但是不能适应潮湿天气，并且缺陷的取向有一定限制；涡流检测能够实现高速检测，效率高，但是检测的缺陷不够直观；红外线检测灵敏度高，效率高，缺陷定位准确，但是设备昂贵，费用高；机器视觉检测能够很好的定位缺陷的位置，使图片的缺陷直观，易于确定，同时机器视觉能够识别缺陷的类别，效率高。

1 机器视觉检测的方法

目前机器视觉检测的方法主要是基于图像处理算法的检测和基于机器视觉系统的检测。

1.1 基于图像处理算法的检测

图像处理是利用采集后的图像，来获取图像中的相关信息。图像处理主要是通过图像预处理、缺陷提取、缺陷分类这几个方面。对于每个处理过程，都有相应的算法检测。对于钢轨图像预处理算法的研究，袁小翠等人提出了一种局部非线性对比度增强法和改进最大熵阈值分割法对钢轨图像进行预处理，该算法能够避免光照的影响并且减少了一些噪声的干扰。对于钢轨缺陷分类，吴禄慎等人提出了基于轨道峰区检测的自适应二值图像投影法快速提取钢轨表面区域，该算法能够快速的定位缺陷图像，完成缺陷的自动分类。也有罗来接等人提出的钢轨图像的缺陷和背景增强的算法，满足不同的光照对图像的采集，增加机器视觉系统的实时性。

图像处理算法检测主要是通过对每个步骤的研究，大量的理论推导，从而从各个方面来检测钢轨图像的缺陷，该方法主要是通过理论分析，仿真数据来实现的。

1.2 基于机器视觉系统的检测

机器视觉系统主要有光源、光学系统、图像捕捉系统、图像处理模块、图像成像模块组成。

目前我国在基于机器视觉系统的检测中，主要是构建系统检测平台，通过CCD相机和线激光来模拟高速检测钢轨缺陷图像。基于这一点，有刘泽等人设计的动态阈值分割算法和缺陷区域提取算法，并且可以对钢轨表面缺陷进行处理，同时标定缺陷位置，统计缺陷特征。该方法可以实现钢轨的快速检测。有王纪武等人基于机器视觉的三角测距原理和光取断面法，开发了一种非接触式钢轨检测装置，该装置可以消除标定板计算所带来的误差和操作的复杂性。也有徐晋卿等人开发出了一种利用棋盘格进行实验标定，采用非线性最小二乘法来标定模型参数的方法，该方法可以有效较少实验过程中所带来的误差。

2 钢轨检测的研究热点和发展趋势

我国铁路的高速和重载发展，使得钢轨磨损的问题大量出现。为了保证铁路的安全，必须对钢轨进行检测和维护，并且钢轨的速度和精度也需要测量准确。其中，基于机器视觉的钢轨缺陷检测，能够很好的实现钢轨检测的自动化，并且随着机器视觉技术的发展，钢轨缺陷检测的误差变得越来越小。但是目前钢轨的检测还停留在钢轨表面缺陷的检测，比如裂纹、掉块、折痕等表面缺陷，不能检测钢轨内部是否存在损坏等。为此，未来的钢轨检测不仅能够检测出钢轨表面的缺陷，而且还能够检测出钢轨内部缺陷。并且还可以根据钢轨材料来预测钢轨是否发生了损坏，来避免钢轨缺陷的发生。同时可以不断优化机器视觉系统，使其适用于出铁路外的隧道缺陷检测。智能化的钢轨检测技术可以使钢铁企业的效率和利益大大提高，这将使我国的重工业又向前迈一大步。

3 结论

本文概述了目前钢轨检测的方法，并做了对比分析。其中本文重点提出了基于机器视觉检测的方法，并对机器视觉的检测方法进行了分类。通过对机器视觉的分类研究，得出了使用机器视觉进行钢轨检测，可以快速、精准的找出钢轨的缺陷，并识别钢轨缺陷的类型。最后本文对钢轨检测的发展提出了新的展望，预测钢轨缺陷。

参考文献

[1]李建成.在役起重机吊钩的磁粉检测[J].无损检测，2001，23（12）：541-544.

[2]陈金贵.多频/远场涡流检测技术在电力系统中的应用[J].无损检测，2009，31（11）：847-850.

[3]王智勇，刘颖韬，王小虎.红外热像检测技术在吸波涂层缺陷研究中的应用[J].航空材料学报，2012，32（3）：91-95.

[4]王健，胥燕军，汪力，王平.机器视觉在钢轨磨耗检测中的应用研究[J].铁道标准设计，2014，58（9）：36-39.

[5]袁小翠，吴禄慎，陈华伟.钢轨表面缺陷检测的图像预处理改进算法[J].计算机辅助设计与图形学学报，2014，26（5）：801-805.

[6]吴禄慎.李彧雯，陈华伟，万露萍.基于图像区域划分的轨道缺陷自动检测技术研究[J].激光与红外，2012，42（5）：595-599.

[7]罗来接，张华，刘继忠.一种新的对比度测量方法用于钢轨图像增强[J].科学技术与工程，2014，14（30）：63-66.

[8]刘泽，王嵬，王平.钢轨表面缺陷检测机器视觉系统的设计[J].电子测量与仪器学报，2010，14（11）：1012-1017.

[9]王纪武，张显文，高伟杰，廖方波，李建勇.基于机器视觉的钢轨轨头非接触测量精度研究[J].北京交通大学学报，2014，38（1）：131-135.

[10]徐晋卿，陈唐龙，占栋，于龙，冯超.基于机器视觉的钢轨轮廓测量方法研究[J].传感器与微系统，2014，33（4）：26-30.

作者简介

龙珍（1993-），女，四川省内江县人。现为西南科技大学信息工程学院电子信息工程专业2012级本科生。

唐曼玲（1993-），女，四川省成都市人。现为西南科技大学信息工程学院通信工程专业2012级本科生。

作者单位

西南科技大学 四川省绵阳市 621000