本发明专利技术公开了一种基于智能小车的钢轨表面缺陷检测系统，包括智能小车和上位机，智能小车包括获取图像装置、通信模块、电机驱动装置和控制装置，所述获取图像装置、通信模块、电机驱动装置分别与控制装置连接，智能小车和上位机通过通信模块进行通信。改变了传统人工对钢轨缺陷的巡检，采用智能小车和上位机的结合，完成对钢轨缺陷数据的准确获取，有效避免了人为因素带来的误差，准确度高，提高了检测速度，降低了工人劳动强度，在保证铁路线路安全的同时，可以节省检测成本，提高线路维护效率。
【技术实现步骤摘要】
本专利技术涉及铁路安全防护与检测
，特别涉及一种钢轨表面缺陷检测系统及方法。
技术介绍
目前，随着轨道交通运行速度的提高，钢轨在线质量的监测技术越来越受到重视，轨道交通的发展方向和趋势是高速、重载以及高密度。如何保证列车行车安全则成了首要问题。钢轨作为轨道中最基础的部分，直接影响着列车行车的安全。因此如何确保钢轨在线状态的质量成了铁路工务部门面临的一项艰巨的任务。列车的高速、重载、高密度的运行，在给人民群众的生活带来极大便利的同时，对钢轨的损害也随之加重，钢轨发生裂纹等损伤的可能性也越来越大。钢轨的故障直接威胁着列车的正常运行。这些年来出现的因为钢轨裂纹等故障导致的列车脱轨事故则更加说明了监测钢轨状态质量的重要性。所以，为了列车运行安全，避免列车运行事故，实现铁路管理科学化，需要对关键设备(轨道)的状态进行实时监控，尽可能及时发现轨道表面缺陷，便于轨道维护与管理。人工巡检工作量大，时间长，容易出现漏检现象。
技术实现思路
鉴于此，本专利技术要解决的技术问题之一在于提供一种基于智能小车的钢轨表面缺陷检测系统，检测效率高、准确度高，减轻工人的劳动量。本专利技术通过以下技术手段解决上述技术问题：本专利技术的智能小车的钢轨表面缺陷检测系统，包括智能小车和上位机，智能小车包括获取图像装置、通信模块、电机驱动装置和控制装置，所述获取图像装置、通信模块、电机驱动装置分别与控制装置连接，智能小车和上位机通过通信模块进行通信。进一步，上位机包括图像处理装置，所述图像处理装置包括图像预处理模块、钢轨图像表面缺陷信息提取模块和分析判断钢轨表面是否存在缺陷的分析模块。进一步，上述图像预处理模块的处理方法包括采用二维变分模态分解法和自适应中值滤波处理相结合进行图像去噪；图像增强；边缘检测和图像二值化处理。进一步，分析模块包括矩形度分析模块、圆形度分析模块、细度比例分析模块和面积周长比分析模块。进一步，上述二维变分模态分解法具体步骤为最小化下列函数 (1)式（1）中，表示原始图像信号，表示分解的子模态，表示第k个模态的中心频率，uk（x）表示分解的模态，αk表示带宽限制，为将约束性变分问题变为非约束性变分问题，引入二次乘法因子和拉格朗日乘子，则扩展的拉格朗日表达式为： (2)式（2）中，λ（x）表示拉格朗日乘子,模态的计算 (3)将上述式（3）转化到频域 (4)式（4）中， QUOTE表示在频域内原图像， QUOTE表示频域内的拉格朗日乘子， QUOTE表示频域内的分解的子模态，表示频域内的带宽限制， QUOTE表示频域内的第k个模态的中心频率，计算中心频率 （6）(7)。本专利技术还提供了一种基于智能小车的钢轨表面缺陷检测方法，具体包括以下步骤：S1：智能小车拍摄钢轨表面原始图像，并通过通信模块将所述图像发送到上位机；S2：上位机读取图像信息，对所述图像信息进行预处理，所述预处理包括二维变分模态分解、自适应中值滤波、图像增强、边缘检测和图像二值化处理；S3：根据特征阈值提取钢轨图像表面缺陷信息，完整提取钢轨表面缺陷信息；S4：上位机根据所述提取的钢轨表面缺陷信息计算出钢轨缺陷参数，将所述参数与设定的阈值进行对比，判断出钢轨表面是否存在缺陷。进一步，所述S2中的二维变分模态分解法具体步骤为最小化下列函数 (1)式（1）中，表示原始图像信号，表示分解的子模态，表示的是中心频率，uk（x）表示分解的模态，αk表示带宽限制，为将约束性变分问题变为非约束性变分问题，引入二次乘法因子和拉格朗日乘子，则扩展的拉格朗日表达式为： (2)式（2）中，λ（x）表示的是拉格朗日乘子，模态的计算 (3)将上述式（3）转化到频域 (4)式（4）中， QUOTE表示的是在频域内原图像， QUOTE表示的频域内拉格朗日乘子， QUOTE表示频域内分解的子模态， QUOTE表示频域内带宽限制， QUOTE表示频域内第k个模态的中心频率，计算中心频率 （6）(7)。进一步，S2中自适应中值滤波的具体步骤：设表示图像中心像素点在滤波时所对应的掩模窗口，令为中的灰度最小值，为中的灰度最大值，为中的灰度中值，为在坐标上的灰度，为允许的最大尺寸，自适应中值滤波工作的两个层面可定义为A层和B层，A层： (8) (9)B层： (10) (11)如果并且，转到B层，否则增加滤波窗口的尺寸大小，如果滤波窗口，则重复执行A层，否则把作为输出值，如果并且，把作为输出值，否则作为输出值。进一步，S3中钢轨表面缺陷参数包括矩形度、圆形度、细度比例和面积周长比。进一步，智能小车包括获取图像装置、通信模块、电机驱动装置和控制装置，所述获取图像装置、通信模块、电机驱动装置分别与控制装置连接。本专利技术的有益效果：本专利技术的基于智能小车的钢轨表面缺陷检测系统，包括智能小车和上位，智能小车包括获取图像装置、通信模块、电机驱动装置和控制装置，所述获取图像装置、通信模块、电机驱动装置分别与控制装置连接，智能小车和上位机通过通信模块进行通信。改变了传统人工对钢轨缺陷的巡检，采用智能小车和上位机的结合，完成对钢轨缺陷数据的准确获取，有效避免了人为因素带来的误差，准确度高，提高了检测速度，降低了工人劳动强度，在保证铁路线路安全的同时，可以节省检测成本，提高线路维护效率。本专利技术的基于智能小车的钢轨表面缺陷检测方法，通过上位机控制智能小车对钢轨表面缺陷信息进行原始图像获取，有效避免了人工巡检存在的弊端，降低工人劳动强度，提高检测效率。获取的钢轨表面缺陷原始图像经过上位机内部的图像处理装置将原始图像采用二维变分模态分解法和自适应中值滤波进行图像去噪、图像增强、边缘检测和二值化处理，原始图像经过一系列的预处理后，使图像变得更清晰，便于后期准确阈值分割获取钢轨表面缺陷信息，提高图像处理准确度。通过特征阈值完整准确获取钢轨表面缺陷信息，对钢轨表面缺陷信息进行轮廓跟踪，计算出表征钢轨表面缺陷信息的相关参数，再设定阈值，与相关的参数相对比，判断出钢轨是否存在表面缺陷。本专利技术通过小车与上位机的有机结合，代替传统的人工巡检方式，通过小车对钢轨表面原始图像的获取，避免了人为因素带来的误差、漏检等情况，提高了检测速度，降低了劳动强度，节省检测成本。采用图像处理技术对钢轨原始图像进行处理，提高了钢轨表面缺陷数据获取的准确性，提高检测结果的准确性。附图说明下面结合附图和实施例对本专利技术作进一步描述。图1为本专利技术一实施例的结构示意图；图2为图1中的图像预处理模块的结构示意图；图3 为本专利技术另一实施例的流程图。具体实施方式以下将结合附图对本专利技术进行详细说明。如图1、2所示：本专利技术的基于智能小车的钢轨表面缺陷检测系统，智能小车的钢轨表面缺陷检测系统，包括智能小车和上位，智能小车包括获取图像装置、通信模块、电机驱动装置和控制装置，所述获取图像装置、通信模块、电机驱动装置分别与控制装置连接，智能小车和上位机通过通信模块进行通信。智能小车通过图像获取装置可实时采集钢轨表面图像信息，通信模块用于智能小车与上位机进行通信，电机驱动电路用于控制小车的行进，控制装置用于控制小车正常工作。上位机可以是PC、手机或平板电脑等电子设备，上位机将录像或拍照命令通过通信模块发送给控制装置，控制装置控制电机驱动电路工作驱动小车运动，小车实时采集钢轨表面图像，并将图像信息通本文档来自技高网...
【技术保护点】
基于智能小车的钢轨表面缺陷检测系统，其特征在于：包括智能小车和上位机，智能小车包括获取图像装置、通信模块、电机驱动装置和控制装置，所述获取图像装置、通信模块、电机驱动装置分别与控制装置连接，智能小车和上位机通过通信模块进行通信。
【技术特征摘要】
1.基于智能小车的钢轨表面缺陷检测系统，其特征在于：包括智能小车和上位机，智能小车包括获取图像装置、通信模块、电机驱动装置和控制装置，所述获取图像装置、通信模块、电机驱动装置分别与控制装置连接，智能小车和上位机通过通信模块进行通信。2.如权利要求1所述的基于智能小车的钢轨表面缺陷检测系统，其特征在于：所述上位机包括图像处理装置，所述图像处理装置包括图像预处理模块、钢轨图像表面缺陷信息提取模块和分析判断钢轨表面是否存在缺陷的分析模块。3.如权利要求2所述的基于智能小车的钢轨表面缺陷检测系统，其特征在于：所述图像预处理模块的处理方法包括采用二维变分模态分解和自适应中值滤波的方法相结合的方式进行图像去噪；图像增强；边缘检测和图像二值化处理。4.如权利要求2所述的基于智能小车的钢轨表面缺陷检测系统，其特征在于：所述分析模块包括矩形度分析模块、圆形度分析模块、细度比例分析模块和面积周长比分析模块。5.如权利要求3所述的基于智能小车的钢轨表面缺陷检测系统，其特征在于：所述二维变分模态分解法具体步骤为最小化下列函数 (1)式（1）中，表示原始图像信号，表示分解的子模态，表示第k个模态的中心频率，uk（x）表示分解的模态，αk表示带宽限制，为将约束性变分问题变为非约束性变分问题，引入二次乘法因子和拉格朗日乘子，则扩展的拉格朗日表达式为： (2)式（2）中，λ（x）表示拉格朗日乘子,模态的计算 (3)将上述式（3）转化到频域 (4)式（4）中，表示在频域内原图像，表示频域内的拉格朗日乘子，表示频域内的分解的子模态，表示频域内的带宽限制，表示频域内的第k个模态的中心频率，计算中心频率 （6）(7)。6.基于智能小车的钢轨表面缺陷检测方法，其特征在于：具体包括以下步骤：S1：智能小车拍摄钢轨表面原始图像，并通过通信模块将所述图像发送到上位机；S2：上位机读取图像信息，对所述图像信息进行预处理，所述预处理包括二维变分模态分解、自适应中值滤...
【专利技术属性】
技术研发人员：刘嘉敏，彭玲，罗甫林，刘军委，袁佳成，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。