谢志江， 谢长贵

（重庆大学机械传动国家重点实验室，重庆 400044）

热轧重轨表面缺陷在线检测识别的关键技术研究

谢志江， 谢长贵

（重庆大学机械传动国家重点实验室，重庆 400044）

目前热轧重轨表面缺陷检测速度慢、精度低。为此，提出了一种基于机器视觉的热轧重轨表面缺陷在线检测系统。分析了过暗过曝区域交叠融合法与图像像素线互相关校验法两种方法提取特征缺陷等关键技术，并对模糊脉冲神经网络的表面缺陷分类效果进行了研究。实际应用证明，采用上述机器视觉的检测关键技术对热轧重轨表面进行缺陷检测识别，较大提高了检测速度和精度，且检测正确率在90%以上。

计量学；机器视觉；缺陷识别；热轧重轨；检测精度

1 引 言

重轨表面情况是评价重轨质量的一个重要技术指标，其质量情况直接关系到铁路运输的安全［1，2］。目前热轧重轨表面缺陷检测主观性较强，热轧重轨仅在轧机出口后的冷床上进行检测，且仅靠检测技术人员的肉眼完成；检测环境差，冷床上的重轨存在高温、热辐射、重粉尘等特性；只进行抽检，且抽检率低。国内对于热轧重轨表面缺陷的在线检测，还没有较成熟的检测方法，尤其在缺陷特征提取，缺陷分类等关键技术方面大多使用效率较低的算法，如利用传统的边缘检测算法提取缺陷特征及SVM（支持向量机）方法进行缺陷分类［3～5］。本文针对当前热轧重轨表面缺陷检测速度慢，检测精度低的问题，应用机器视觉理论和技术，实时采集重轨表面图像，并进行图像处理和缺陷识别，达到在线检测重轨表面缺陷的目的。……