曹义亲,丁要男
(华东交通大学 软件学院,江西 南昌 330013)
随着现代铁路行业的高速发展,列车行驶速度不断加快,运行里程不断增长,铁路运输及其基础设施安全隐患也随之增多[1]。钢轨表面产生各种类型的磨蚀和缺陷,轨道健康状况发生变化,严重威胁列车行车安全[2]。采用高效、精确的技术方法来检测钢轨表面缺陷,为维修部门提供准确可靠的数据,对铁路运维工作而言显得日益重要和迫切[3]。
基于计算机视觉的检测方法因检测精度较高、耗时较短等优点,在钢轨缺陷检测领域中应用广泛,并取得了一定的研究成果。文献[4]提出一种基于最大稳定极值域的缺陷检测方法,首先分析缺陷的特征,再进行缺陷的提取和标记,将标记的结果采用最大稳定极值域方法来完成缺陷的检测。文献[5]采用一种基于深度学习的检测方法,运用语义分割框架实现缺陷的自动分割,其分割效果较好,缺陷的边缘信息也比较完整。文献[6]提出一种钢轨缺陷识别模型,通过对不同尺度的缺陷进行分析、标记、检测,仿真实验结果验证了算法的性能。文献[7]提出一种基于灰度标准差与投影积分的阈值分割方法,能够对不同类型的缺陷进行检测,其鲁棒性较强。然而,实际获取到的轨道图像中不仅包含目标区域,即钢轨表面区域,同时还包括非目标区域,如轨枕、扣件、碎石等,为了降低非目标区域的干扰,减少图像处理运算的时间,提高轨面缺陷检测的效率和精度,轨道表面区域提取就显得非常重要。……