基于机器视觉的钢轨表面面型缺陷分类实验设计

随着城市轨道交通的飞速发展，实现钢轨表面缺陷实时检测对铁路行业稳步发展意义重大。如何实时检测钢轨表面缺陷是保障铁路运行安全亟须解决的一个关键问题。鉴于此，设计了一套基于机器视觉的钢轨表面缺陷检测实验仿真方法。搭建图像采集、图像预处理和缺陷分类等模块；提出自拟合亮度调整算法完成像素值统计，得到清晰的缺陷特征图像；用750组数据训练网络权值，实现缺陷分类预测；经过数据分析和误差评估，识别准确率在90%以上，相关系数高达0.96,单幅图像平均耗时1.267 s,测试表明，所提方法能准确、高效地实现钢轨表面缺陷信息的缺陷分类与识别。