基于图像识别的铁路货车轴承缺陷识别方法研究

宋春雪 赵国荣 吕珊 高一方 郭鹏飞

摘要：目前，铁路货车轴承检修时采用黑磁粉探伤技术，依赖探伤人员人工排查轴承表面缺陷，这种排查方式人工成本高，工作效率低，误检、漏检严重。近年来，深度学习技术在表面损伤检测和识别领域广泛应用，使得检测精度和工作效率大大提升。论文在构建铁路货车轴承缺陷数据库的基础上，进行了数据预处理和数据增强，提出一种新的改进卷积神经网络模型，该模型在识别率上具有一定的优势。

关键词：铁路货车;滚动轴承;表面缺陷检测;卷积神经网络

随着人工智能的发展，视觉检测技术被广泛应用于工业检测领域，在部分岗位上已经取代人工作业，很大程度上提高了生产效率[1]。因此，研发铁路货车轴承黑磁粉探伤自动检测设备，代替人工识别缺陷，不仅可以降低人员劳动强度和人员培训成本，同时能够保证轴承探伤缺陷识别的工作效率和准确率，是未来发展的趋势与热点。本文将卷积神经网络应用到铁路货车轴承黑磁粉探伤中，为实现自动检测提供技术上的支持。

1图像预处理

1.1数据采集

数据采集是直接在轴承探伤过程中进行的。缺陷在磁粉聚集状态下，显示明显[2]。采集数据时，采用的摄像设备为Canon EOS M200数码相机，白光灯的照度与现行的轴承探伤白光灯照度一致，在500 lx下进行的拍摄，拍摄要求是镜头与缺陷所在平面保持平行，镜头与轴承表面距离约为15 cm左右，将采集完成的缺陷传输到计算机进行图像处理。……