基于LoG梯度加权Haar-like特征的车轮裂纹检测

• 作者: 阮成雄 阮秋琦
• 来源期刊: 铁道学报
• 学科: 工学
• 关键词: 裂纹检测 目标检测 Haar-like Real-Adaboost 故障检测
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 铁道通信信号
• 页码范围: 62-68
• 页数: 7页
• 分类号: TP391.4
• 字数: 6613字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8360.2013.05.010

摘要

列车长时间运行后,车轮侧面出现许多裂纹,数量和尺寸达到一定标准后需进行更换,以保证安全.该标准定制的前提是对大量的车轮裂纹进行测量统计,而由人工进行这些工作需要大量的人力和物力,因此采用基于图像模式识别的自动检测能够节省大量的资源.文中主要研究列车车轮裂纹的检测定位算法,针对车轮表面裂纹的图像特征,提出一种基于LoG梯度加权Haar-like特征,能够有效地描述裂纹周围图像特性,从而更精确地进行裂纹描述,并提出改进的基于阈值限制LUT的Real-Adaboost机器学习算法训练裂纹检测分类器,进行快速精确的裂纹目标检测,实验部分验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阮秋琦	北京交通大学信息科学研究所	105	1445	20.0	32.0
2	阮成雄	北京交通大学信息科学研究所	3	14	2.0	3.0