朱澎程 苏圣超 陈兴杰 李立明

(上海工程技术大学城市轨道交通学院，201620，上海 ∥ 第一作者，硕士研究生)

钢轨扣件是轨道上用于固定钢轨的连接零件，钢轨扣件的工作状态对列车安全运行极其重要。近年来随着机器视觉检测技术的不断发展，国内外研究人员针对钢轨扣件状态的识别展开了大量研究。文献[1]将主元分析法应用于扣件螺母缺失检测，并依据全局特征向量距离完成扣件状态的识别。文献[2]依据钢轨扣件区域的HOG(方向梯度直方图)特征，实现扣件状态识别。文献[3]采用方向场法，使用模板进行匹配，从而实现扣件状态识别。文献[4]利用Harr-like特征对钢轨扣件进行状态识别。文献[5]使用LBP(局部二值模式)算法对钢轨扣件图像处理后，将LBP直方图作为SVM(支持向量机)的输入，利用训练完成的SVM进行扣件状态识别。上述算法都是通过检测螺栓的缺失或者弹条的缺失、断裂来完成扣件状态识别。

潘得罗扣件是英国潘得罗公司生产的一种无螺栓式钢轨扣件。工人在采用潘得罗扣件的线路上巡检时，无需像有螺栓式扣件那样反复检查扭矩和拧松拧紧，因此，大大提高了线路维护效率和质量，同时降低了巡检成本。由于潘得罗扣件的弹条采用开关式结构，其状态需要根据弹条的弹出距离来进行判断，故上述文献中的扣件状态识别方法并不能直接适用于潘得罗扣件的状态识别。

本文提出了一种融合弹条纹理特征与形状特征的潘得罗扣件状态识别算法。……