基于机器视觉的轨道缺陷图像检测系统设计
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 相关技术研究 | 第14-15页 |
| 1.3.1 光机电一体化技术 | 第14页 |
| 1.3.2 机器视觉技术 | 第14页 |
| 1.3.3 数字图像处理技术 | 第14-15页 |
| 1.3.4 模式识别技术 | 第15页 |
| 1.4 轨道缺陷图像处理运用软件 | 第15-16页 |
| 1.4.1 Matlab图像处理 | 第15-16页 |
| 1.4.2 VC++6.0 | 第16页 |
| 1.4.3 Open CV | 第16页 |
| 1.5 论文架构 | 第16-18页 |
| 第2章 机器视觉轨道检测系统总体构成 | 第18-24页 |
| 2.1 机器视觉轨道检测系统总体设计要求 | 第18-19页 |
| 2.1.1 机器视觉轨道检测系统技术指标要求 | 第18页 |
| 2.1.2 机器视觉轨道检测系统功能设计要求 | 第18-19页 |
| 2.2 机器视觉轨道检测系统研究内容 | 第19-24页 |
| 2.2.1 里程测量系统 | 第20页 |
| 2.2.2 图像采集与处理系统 | 第20-22页 |
| 2.2.3 照明系统 | 第22-24页 |
| 第3章 轨道检测小车里程装置结构设计 | 第24-29页 |
| 3.1 光电编码器的安装设计 | 第24-25页 |
| 3.2 里程装置机械结构设计 | 第25-28页 |
| 3.2.1 里程轮座设计 | 第26页 |
| 3.2.2 里程轮组件设计 | 第26-27页 |
| 3.2.3 轴的设计 | 第27页 |
| 3.2.4 端盖设计 | 第27-28页 |
| 3.3 光电编码器保护装置设计 | 第28-29页 |
| 第4章 轨道缺陷检测里程测量系统设计 | 第29-37页 |
| 4.1 里程脉冲计数原理设计 | 第29-31页 |
| 4.1.1 光电编码器的选型 | 第29-31页 |
| 4.1.2 单片机选型 | 第31页 |
| 4.2 增量式光电编码器脉冲输出 | 第31-32页 |
| 4.3 光电编码器的倍频、鉴向 | 第32-33页 |
| 4.4 光电编码器脉冲去抖动电路设计 | 第33-34页 |
| 4.5 单片机与电平转换电路接口连接 | 第34-35页 |
| 4.6 单片机脉冲控制程序设计 | 第35-37页 |
| 第5章 CCD线阵相机触发系统设计 | 第37-51页 |
| 5.1 CCD线阵相机选型 | 第37-38页 |
| 5.2 相机参数计算 | 第38-39页 |
| 5.3 镜头的选择 | 第39页 |
| 5.4 CCD线阵相机景深的计算及镜头焦距验证 | 第39-42页 |
| 5.5 CCD线阵相机触发方式选择 | 第42-43页 |
| 5.6 CCD线阵相机脉冲触发 | 第43-48页 |
| 5.6.1 CCD线阵相机外部触发的重要性 | 第44-45页 |
| 5.6.2 CCD线阵相机触发系统分析 | 第45-46页 |
| 5.6.3 CCD线阵相机触发脉冲计算 | 第46-48页 |
| 5.6.4 CCD线阵相机外部触发接口连接 | 第48页 |
| 5.7 CCD线阵相机实验内容与结果 | 第48-51页 |
| 5.7.1 CCD线阵相机驱动配置与参数调节 | 第48-49页 |
| 5.7.2 CCD线阵相机参数配置类型 | 第49-50页 |
| 5.7.3 连续采集模式下图像信息分析 | 第50-51页 |
| 第6章 钢轨缺陷图像处理相关算法研究 | 第51-68页 |
| 6.1 数字图像处理特点 | 第51-52页 |
| 6.2 轨道缺陷图像处理流程 | 第52-53页 |
| 6.3 轨道缺陷图像预处理 | 第53-57页 |
| 6.3.1 中值滤波去噪 | 第53-54页 |
| 6.3.2 改进自适应加权中值滤波 | 第54-57页 |
| 6.4 钢轨目标区域图像分割 | 第57-63页 |
| 6.4.1 轨道直方图双峰法分割钢轨区域 | 第58页 |
| 6.4.2 改进二维最大熵分割钢轨区域 | 第58-62页 |
| 6.4.3 钢轨平面目标区域提取 | 第62-63页 |
| 6.5 钢轨缺陷轮廓提取 | 第63-65页 |
| 6.6 基于LVQ神经网络的钢轨缺陷分类 | 第65-68页 |
| 6.6.1 钢轨缺陷几何特征描述 | 第66页 |
| 6.6.2 学习向量量化神经网络分类钢轨缺陷 | 第66-68页 |
| 第7章 轨道扣件检测 | 第68-81页 |
| 7.1 扣件区域图像增强预处理 | 第68-69页 |
| 7.2 扣件区域精确定位 | 第69-75页 |
| 7.2.1 钢轨、轨枕边缘检测 | 第69-71页 |
| 7.2.2 Roberts检测算子 | 第71-72页 |
| 7.2.3 Prewitt检测算子 | 第72页 |
| 7.2.4 Sobel检测算子 | 第72-74页 |
| 7.2.5 Canny检测算子 | 第74-75页 |
| 7.3 “十字定位”法定位扣件区域 | 第75-77页 |
| 7.4 扣件识别算法研究 | 第77-81页 |
| 7.4.1 扣件轮廓检测算法 | 第77页 |
| 7.4.2 主成分分析法 | 第77-78页 |
| 7.4.3 结构光检测 | 第78页 |
| 7.4.4 纹理方向梯度算法识别扣件缺陷 | 第78-81页 |
| 第8章 总结与展望 | 第81-83页 |
| 8.1 研究总结 | 第81-82页 |
| 8.2 工作展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 附录 | 第87-88页 |
