来源：期刊VIP网 时间：
作者：吴福培;周旭;李昇平;
单位：汕头大学智能制造技术教育部重点实验室;重庆市云阳职业教育中心;
摘要：准确检测钢轨内部伤损对确保列车的运行安全具有重要意义。为提高钢轨内部伤损智能检测的学习能力，提出一种基于聚类算法的钢轨内部伤损检测与分类方法。首先，通过分析B型图像噪声特征提出基于游程编码的噪声去除方法，有效去除噪声并保留关键信息。其次，基于轨头、轨腰、轨底三个区域常见伤损特征的分布规律，提出一种基于多维特征融合的聚类算法(CMF),以实现对钢轨内部伤损的准确分类。最后，由开发的伤损检测仪采集的76张钢轨B型图像进行伤损检测和分类，评估所提方法的准确性。实验结果表明，样品集所含的1 554个伤损中，本文所提出方法的平均检测分类正确率为97.55%,漏检率为1.93%,其中轨头区域、轨腰区域和轨底区域的伤损检测正确率分别为99.03%、96.21%和97.99%,而对应漏检率分别为0.72%、2.79%和2.01%,实验结果验证了所提方法的有效性。
关键词：钢轨内部伤损;;缺陷检测;;聚类算法;;噪声去除
基金资助：国家自然科学基金(61573233);; 广东省自然科学基金(2021A1515010661)
