典型文献
基于改进形状匹配的扣件缺陷检测方法
文献摘要：
基于传统图像处理的扣件检测方法在扣件定位方面存在定位不准、定位方法局限性较大等问题,在扣件识别方面的正确率也不高.而基于深度学习的扣件检测方法则需要大量的扣件样本作为训练集,训练效果难以保证.鉴于以上不足,提出一种基于改进形状匹配的扣件缺陷检测方法,该方法的一大优势是无需预先进行扣件定位,且匹配速度快、召回率高.该方法改进点主要包括:1)采用多模板匹配代替单模板匹配,以提高模板的多样性,进而提高扣件的匹配召回率;2)采用基于HALCON的形状匹配代替传统模板匹配,便于提高扣件的边缘检测效率,增强检测鲁棒性;3)提出扣件图片智能裁剪和模板库自动化更新算法,其中智能裁剪可裁剪出更加整齐而规范的数据集,模板库自动化更新算法可根据匹配的扣件数据集动态更新模板库.用轨道综合巡检车拍摄的扣件图片对该方法进行了实验验证.研究结果表明,在匹配阈值为0.75,模板库扣件数量为32的条件下,该改进方法对单张图片匹配时间为仅为0.18 s,检测召回率达到了98.15％.该改进方法高效且智能,具有较高的实用性、适用性和可行性,能够满足工务段日常维检的需要.
文献关键词：
扣件检测;多模板匹配;形状匹配;图像处理
中图分类号：
作者姓名：
刘贤华;邱实;胡文博;王劲;王卫东
作者机构：
中南大学 土木工程学院,湖南 长沙 410075;高速铁路建造技术国家工程实验室,湖南 长沙 410075;中南大学 轨道交通基础设施智能监控研究中心,湖南 长沙 410075
文献出处：
引用格式：
[1]刘贤华;邱实;胡文博;王劲;王卫东-.基于改进形状匹配的扣件缺陷检测方法)[J].铁道科学与工程学报,2022(07):1872-1879
A类：
动态更新模板
B类：
形状匹配,缺陷检测方法,扣件检测,扣件定位,定位方法,训练集,训练效果,配速,召回率,方法改进,多模板匹配,单模,HALCON,边缘检测,检测效率,裁剪,模板库,新算法,剪出,整齐,件数,巡检车,改进方法,单张,片匹配,匹配时间,适用性和可行性,工务段,维检
AB值：
0.291478
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
