陶丹丹

基于背景建模的钢轨表面缺陷像素级检测方法

陶丹丹

(辽宁铁道职业技术学院 铁道车辆学院，辽宁 锦州 121000)

钢轨表面缺陷具有独特性和稀疏性，利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战。提出一种基于背景建模的钢轨表面缺陷像素级检测方法，利用钢轨图像固有特性构建图像背景分布模型，找到背景分布簇中心，以定位到可疑像素点；提出一种钢轨表面缺陷像素级识别方法，根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真实缺陷，并在钢轨缺陷数据集和实际线路上进行试验验证。研究结果表明：该方法在重载铁路和客运铁路2种钢轨缺陷数据集上均取得良好的识别性能，并在实际线路上达到100%的检测率。

钢轨表面缺陷；像素级检测；背景模型；机器视觉

铁路运输是支撑我国经济社会发展的中坚力量，钢轨病害严重影响列车运行安全，容易导致重大铁路事故[1]。随着列车运行频次和重载化程度的提升，大量铁路线路中钢轨病害问题频繁出现，其中，钢轨表面缺陷最为常见，例如，钢轨波纹磨损、轨头剥落、轨头塌陷和钢轨表面裂纹。因此，必须定期地检测线路中的钢轨状态。近年来，许多国内外学者提出了各种基于传感器的无损检测方法，例如，超声波[2]，涡流[3]，陀螺仪[4]，布拉格光纤光 栅[5]和视觉相机[6]。在铁路基础设施病害检测领域，基于视觉相机的机器视觉技术凭借其成本低、速度快、客观性强等优点，已成功应用于轨道轮廓测 量[7]、轨距测量[8]、钢轨扣件检测[9−10]、钢轨塞钉检测[11]、接触网组件及异物检测[12]和钢轨表面缺陷检测[13]等任务。……