一种基于区间图像的无缝线路钢轨缺陷识别方法技术

一种基于区间图像的无缝线路钢轨缺陷识别方法，包括图像采集、图像预处理、图像数据获取，所述方法还包括图像数据区间化、图像特征提取、初始支持向量机模型训练和缺陷识别。本发明专利技术提出了通过模态区间方法来处理图像数据中的不确定性问题，并由支持向量机的分类识别模型来识别无缝线路钢轨缺陷。由于其通过模态区间的方法处理了采集的图像数据中的不确定性问题，将使识别的准确率提高。本发明专利技术将经模态区间理论处理了的图像数据作为特征向量输入支持向量机模型分类识别中，由于采集图像中的不确定性问题得到了有效处理，将提高无缝线路钢轨缺陷图像识别的可靠性。

【技术实现步骤摘要】

本专利技术涉及一种基于区间图像的无缝线路钢轨缺陷识别方法，属图像识别

技术介绍
无缝线路是铁路高速和重载的必要条件，也是轨道结构现代化发展的方向。无缝线路作为一种新型的轨道结构，取消了钢轨接头，提高了线路平顺性，但同时由在结构上限制了钢轨的伸缩，伴随钢轨温升幅度的增长，钢轨轴向积存巨大的温度压应力，会造成轨道的膨曲等缺陷；加上无缝线路钢轨焊接时焊接处常会产生“缩孔”、“气泡”、疏松”、“夹杂”、“未焊透”和“外形不平整等缺陷。这些缺陷可能使钢轨产生各种损伤，从而对列车运行安全构成极大的威胁。由于无缝线路钢轨缺陷使列车跑道事故时有发生，据美国联邦局事故统计，近10年平均每年发生危及行车安全的列车跑道事故103起，直接损失超过900万美元。为了防止列车跑道事故，无缝线路钢轨缺陷识别变得非常重要。常用于无缝线路钢轨缺陷识别方法有超声波、电磁、射线、渗透、涡流等无损检测技术。近年来基于图像的红外热成像检测技术由于它具有无损、非接触、快速实时、远距离等优点，发展非常迅速。尤其是在高速运动、高温、高电压等场合下,该技术更具有常规无损检测技术所无法相比的优点，可优选用于无缝线路钢轨缺陷识别。但无缝线路钢轨缺陷识别中存在各种不确定性，如轨道荷载、材料性能、结构几何参数及对无缝线路认知不足等因素，无一不是随机变化的不确定量。因而通过红外热成像技术获取的钢轨缺陷图像特征也将具有不确定性。倘若不对这些不确定性问题进行有效处理，将导致计算结果的产生偏差，最终导致识别结果可靠性降低。模态区间理论Gardenes等在《Modal intervals》(Reliable Computing,2001.2)中做出了总结归纳。相比于传统的区间，模态区间的上界与下界值大小不受限制，其运算法则是Kaucher算法，便于不确定性问题建模与处理。模态区间不确定性问题处理是将具有不确定性属性的量如数值，参数或者函数等描述成模态区间形式，通过模态区间的宽度表达不确定性大小，进而利用模态区间理论处理不确定性问题。现今关于模态区间的研究多见于其数学推理，鲜见于与工程实际问题结合解决问题。
技术实现思路
本专利技术的目的是，针对无缝线路钢轨缺陷识别过程中的不确定性问题，提供一种基于区间图像的无缝线路钢轨缺陷识别方法，利用模态区间处理红外热成像获取的图像数据中的不确定性问题，由支持向量机分类识别方法对无缝线路钢轨缺陷进行可靠识别。实现本专利技术的目的所采用的具体技术方案为：本专利技术一种基于区间图像的无缝线路钢轨缺陷识别方法，包括图像采集、图像预处理、图像数据获取、图像数据区间化、图像特征提取、初始支持向量机模型训练和缺陷识别。具体包括如下步骤：(1)图像采集利用红外热像仪对无缝线路钢轨进行探测，获取钢轨不同位置图像，包括钢轨无缺陷图像和有缺陷图像，并通过图像采集卡将采集的每幅图像存储于计算机中。(2)图像预处理将红外热像仪采集的每幅钢轨图像进行预处理，包括灰度化、二值化、图像增强、图像分割和边缘检测等图像预处理方法。经过图像预处理，过滤掉干扰信息，改善图像质量、丰富信息量，加强图像判读和识别能力。(3)图像数据获取利用Matlab获取预处理后的每幅图像的数据集{x1,x2,K,xn本文档来自技高网...

【技术保护点】
一种基于区间图像的无缝线路钢轨缺陷识别方法，包括图像采集、图像预处理、图像数据获取，其特征在于，所述方法还包括图像数据区间化、图像特征提取、初始支持向量机模型训练和缺陷识别。

【技术特征摘要】
1.一种基于区间图像的无缝线路钢轨缺陷识别方法，包括图像采集、图像
预处理、图像数据获取，其特征在于，所述方法还包括图像数据区间化、图像
特征提取、初始支持向量机模型训练和缺陷识别。
2.根据权利要求1所述的一种基于区间图像的无缝线路...

【专利技术属性】
技术研发人员：谢锋云，周建民，曹青松，谢三毛，李鹏，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：江西;36