铁道学报
鐵道學報
철도학보
2013年
5期
62-68
,共7页
裂纹检测%目标检测%Haar-like%Real-Adaboost%故障检测
裂紋檢測%目標檢測%Haar-like%Real-Adaboost%故障檢測
렬문검측%목표검측%Haar-like%Real-Adaboost%고장검측
列车长时间运行后,车轮侧面出现许多裂纹,数量和尺寸达到一定标准后需进行更换,以保证安全.该标准定制的前提是对大量的车轮裂纹进行测量统计,而由人工进行这些工作需要大量的人力和物力,因此采用基于图像模式识别的自动检测能够节省大量的资源.文中主要研究列车车轮裂纹的检测定位算法,针对车轮表面裂纹的图像特征,提出一种基于LoG梯度加权Haar-like特征,能够有效地描述裂纹周围图像特性,从而更精确地进行裂纹描述,并提出改进的基于阈值限制LUT的Real-Adaboost机器学习算法训练裂纹检测分类器,进行快速精确的裂纹目标检测,实验部分验证了算法的有效性.
列車長時間運行後,車輪側麵齣現許多裂紋,數量和呎吋達到一定標準後需進行更換,以保證安全.該標準定製的前提是對大量的車輪裂紋進行測量統計,而由人工進行這些工作需要大量的人力和物力,因此採用基于圖像模式識彆的自動檢測能夠節省大量的資源.文中主要研究列車車輪裂紋的檢測定位算法,針對車輪錶麵裂紋的圖像特徵,提齣一種基于LoG梯度加權Haar-like特徵,能夠有效地描述裂紋週圍圖像特性,從而更精確地進行裂紋描述,併提齣改進的基于閾值限製LUT的Real-Adaboost機器學習算法訓練裂紋檢測分類器,進行快速精確的裂紋目標檢測,實驗部分驗證瞭算法的有效性.
열차장시간운행후,차륜측면출현허다렬문,수량화척촌체도일정표준후수진행경환,이보증안전.해표준정제적전제시대대량적차륜렬문진행측량통계,이유인공진행저사공작수요대량적인력화물력,인차채용기우도상모식식별적자동검측능구절성대량적자원.문중주요연구열차차륜렬문적검측정위산법,침대차륜표면렬문적도상특정,제출일충기우LoG제도가권Haar-like특정,능구유효지묘술렬문주위도상특성,종이경정학지진행렬문묘술,병제출개진적기우역치한제LUT적Real-Adaboost궤기학습산법훈련렬문검측분류기,진행쾌속정학적렬문목표검측,실험부분험증료산법적유효성.
