本發(fā)明涉及鋼軌表面缺陷圖像自適應(yīng)分割，尤其涉及一種鋼軌表面缺陷圖像自適應(yīng)分割方法。

背景技術(shù)：

1、傳統(tǒng)方法在鋼軌表面缺陷檢測(cè)中存在一些不足之處。首先，由于設(shè)備分辨率較低，采集的圖像清晰度和細(xì)節(jié)不足，容易漏檢小型缺陷。其次，光源控制不夠靈活，圖像在不同光照條件下的質(zhì)量不穩(wěn)定，難以全面覆蓋鋼軌表面。預(yù)處理步驟中，去噪算法簡(jiǎn)單，效果不佳，容易丟失圖像細(xì)節(jié)。邊緣特征提取和圖像分割算法單一，無法適應(yīng)復(fù)雜的缺陷形態(tài)，導(dǎo)致分割精度低下。此外，傳統(tǒng)方法缺乏系統(tǒng)化的特征提取和分類手段，分類準(zhǔn)確性不高，識(shí)別結(jié)果不穩(wěn)定。總體而言，傳統(tǒng)方法在圖像采集、預(yù)處理、分割和識(shí)別等多個(gè)環(huán)節(jié)存在不足，影響了鋼軌表面缺陷檢測(cè)的整體效果，需要加以優(yōu)化和改進(jìn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是為了解決上述背景技術(shù)中提出的技術(shù)問題。

2、本發(fā)明采用了如下技術(shù)方案：一種鋼軌表面缺陷圖像自適應(yīng)分割方法，方法包括以下步驟：

3、s1.獲取鋼軌表面圖像，利用工業(yè)相機(jī)和光源設(shè)備拍攝鋼軌表面；

4、s2.圖像預(yù)處理，進(jìn)行去噪、灰度化和增強(qiáng)處理；

5、s3.邊緣特征提取，使用邊緣檢測(cè)算法提取圖像的邊緣特征；

6、s4.初步圖像分割，采用分割算法對(duì)圖像進(jìn)行初步分割；

7、s5.疑似缺陷區(qū)域提取，根據(jù)初步分割結(jié)果提取疑似缺陷區(qū)域；

8、s6.特征提取，提取疑似缺陷區(qū)域的形狀、紋理和灰度特征；

9、s7.自適應(yīng)閾值精確分割，進(jìn)一步精確分割缺陷區(qū)域；

10、s8.缺陷分類和識(shí)別，利用分類算法對(duì)缺陷區(qū)域進(jìn)行分類和識(shí)別；

11、s9.結(jié)果輸出，輸出缺陷檢測(cè)結(jié)果并生成報(bào)告。

12、較佳的，所述s1獲取鋼軌表面圖像具體包括：

13、s1.1使用安裝在鋼軌檢查設(shè)備上的工業(yè)相機(jī)拍攝鋼軌表面圖像，確保圖像的高分辨率和清晰度；

14、s1.2通過同步控制的光源設(shè)備在不同角度和照明條件下采集圖像，以確保全面覆蓋鋼軌表面，突出缺陷特征；

15、s1.3工業(yè)相機(jī)的分辨率為4500萬(wàn)-5000萬(wàn)像素，采集時(shí)間不超過100-150毫秒。此處，通過高分辨率工業(yè)相機(jī)和不同角度、照明條件的圖像采集，確保圖像的清晰度和全面覆蓋，減少漏檢和誤檢的可能性，提高了缺陷檢測(cè)的可靠性。

16、較佳的，所述s2圖像預(yù)處理具體包括：

17、s2.1去噪處理：使用中值濾波器或高斯濾波器去除圖像中的噪聲；

18、s2.1.1中值濾波器用于去除圖像中的椒鹽噪聲，窗口大小為3x3-5x5；

19、s2.1.2高斯濾波器用于平滑圖像并減少高斯噪聲的影響，標(biāo)準(zhǔn)差設(shè)置為1.0至2.0之間；

20、s2.2灰度化處理：將彩色圖像轉(zhuǎn)換為灰度圖像；

21、s2.2.1利用加權(quán)平均法將彩色圖像轉(zhuǎn)換為灰度圖像，權(quán)重分別設(shè)置為0.2989、0.5870和0.1140；

22、s2.3圖像增強(qiáng)：采用直方圖均衡化或?qū)Ρ榷壤旆椒ㄔ鰪?qiáng)圖像的對(duì)比度；

23、s2.3.1采用直方圖均衡化方法調(diào)整圖像的灰度分布，計(jì)算時(shí)間不超過50毫秒；

24、s2.3.2使用對(duì)比度拉伸方法，根據(jù)圖像的灰度范圍進(jìn)行線性變換。此處，通過高效的去噪、灰度化和圖像增強(qiáng)處理，改善圖像質(zhì)量，使得后續(xù)處理更加準(zhǔn)確和高效，確保了缺陷區(qū)域的清晰展示和準(zhǔn)確識(shí)別。

25、較佳的，所述s3邊緣特征提取具體包括：

26、s3.1使用canny邊緣檢測(cè)算法：

27、s3.1.1對(duì)圖像進(jìn)行高斯平滑，以減少噪聲；

28、s3.1.2計(jì)算圖像梯度強(qiáng)度和方向；

29、s3.1.3通過非極大值抑制去除非邊緣點(diǎn)；

30、s3.1.4使用雙閾值檢測(cè)方法連接邊緣，canny邊緣檢測(cè)算法的總處理時(shí)間不超過200毫秒；

31、s3.2或使用sobel邊緣檢測(cè)算法，通過計(jì)算圖像的梯度來檢測(cè)邊緣。此處，通過使用canny或sobel邊緣檢測(cè)算法，準(zhǔn)確提取鋼軌表面的邊緣特征，確保邊緣檢測(cè)的精度和效率，有助于后續(xù)的分割和特征提取。

32、較佳的，所述s4初步圖像分割具體包括：

33、s4.1采用otsu閾值分割算法，通過最大化類間方差自動(dòng)確定最佳閾值，將圖像分割為前景和背景，計(jì)算時(shí)間為80-100毫秒；

34、s4.2或采用基于區(qū)域生長(zhǎng)的分割算法，通過選取種子點(diǎn)并根據(jù)相似性準(zhǔn)則逐步擴(kuò)展區(qū)域，實(shí)現(xiàn)圖像分割。此處，通過采用otsu閾值分割算法或基于區(qū)域生長(zhǎng)的分割算法，能夠?qū)崿F(xiàn)對(duì)鋼軌表面圖像的精確初步分割，提高了對(duì)缺陷區(qū)域的初步識(shí)別能力。

35、較佳的，所述s5疑似缺陷區(qū)域提取具體包括：

36、s5.1采用形態(tài)學(xué)操作：

37、s5.1.1腐蝕操作，用于去除噪聲和小的非缺陷區(qū)域；

38、s5.1.2膨脹操作，用于填補(bǔ)小空洞和連接斷裂的缺陷區(qū)域；

39、s5.1.3開運(yùn)算(先腐蝕后膨脹)，用于分離相鄰的疑似缺陷區(qū)域；

40、s5.1.4閉運(yùn)算(先膨脹后腐蝕)，用于填補(bǔ)缺陷區(qū)域中的小空洞；

41、s5.1.5形態(tài)學(xué)操作的處理時(shí)間為100-150毫秒。此處，通過形態(tài)學(xué)操作，如腐蝕、膨脹、開運(yùn)算和閉運(yùn)算，有效提取疑似缺陷區(qū)域，排除噪聲和非缺陷區(qū)域，提高了缺陷提取的準(zhǔn)確性。

42、較佳的，所述s6特征提取具體包括：

43、s6.1形狀特征：使用輪廓分析方法提取缺陷區(qū)域的形狀特征；

44、s6.1.1計(jì)算缺陷區(qū)域的周長(zhǎng)、面積、長(zhǎng)寬比等；

45、s6.2紋理特征：利用灰度共生矩陣(glcm)提取缺陷區(qū)域的紋理特征；

46、s6.2.1計(jì)算能量、對(duì)比度、熵等特征值；

47、s6.3灰度特征：計(jì)算缺陷區(qū)域的平均灰度值、方差等灰度特征。此處，通過詳細(xì)的形狀、紋理和灰度特征提取，全面描述疑似缺陷區(qū)域的特征，確保分類和識(shí)別的準(zhǔn)確性。

48、較佳的，所述s7自適應(yīng)閾值精確分割具體包括：

49、s7.1使用大津法(otsumethod)：

50、s7.1.1通過最大化類間方差來確定最佳閾值；

51、s7.2使用自適應(yīng)直方圖均衡化：

52、s7.2.1根據(jù)局部區(qū)域的灰度分布動(dòng)態(tài)調(diào)整閾值。此處，通過大津法或自適應(yīng)直方圖均衡化方法，進(jìn)一步精確分割缺陷區(qū)域，提高分割精度，減少誤判和漏判。

53、較佳的，所述s8缺陷分類和識(shí)別具體包括：

54、s8.1利用支持向量機(jī)(svm)進(jìn)行分類：

55、s8.1.1構(gòu)建適當(dāng)?shù)奶卣骺臻g，包括形狀、紋理和灰度特征；

56、s8.1.2選擇合適的核函數(shù)，訓(xùn)練svm模型，分類時(shí)間為180-200毫秒；

57、s8.2利用卷積神經(jīng)網(wǎng)絡(luò)(cnn)進(jìn)行分類：

58、s8.2.1通過多層卷積和池化操作自動(dòng)提取特征；

59、s8.2.2利用全連接層對(duì)特征進(jìn)行分類，分類時(shí)間為450-500毫秒。此處，通過svm和cnn兩種分類方法，確保對(duì)缺陷區(qū)域的高效分類和識(shí)別，進(jìn)一步提高檢測(cè)結(jié)果的準(zhǔn)確性和可靠性。

60、較佳的，所述s9結(jié)果輸出具體包括：

61、s9.1輸出缺陷檢測(cè)結(jié)果，包括但不限于缺陷類型、位置和大小詳細(xì)信息；

62、s9.2生成檢測(cè)報(bào)告，該報(bào)告包括檢測(cè)時(shí)間、檢測(cè)設(shè)備型號(hào)、檢測(cè)參數(shù)設(shè)置信息，報(bào)告生成時(shí)間為70-100毫秒。此處，通過詳細(xì)的結(jié)果輸出和報(bào)告生成，提供全面的缺陷檢測(cè)信息，便于后續(xù)維護(hù)和管理，提高檢測(cè)流程的透明度和可追溯性。

63、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)和積極效果在于：

64、本發(fā)明中，利用高分辨率工業(yè)相機(jī)和同步控制的光源設(shè)備，在不同角度和照明條件下全面采集鋼軌表面圖像，通過多步驟的圖像預(yù)處理、邊緣特征提取和初步分割，準(zhǔn)確提取疑似缺陷區(qū)域，結(jié)合形態(tài)學(xué)操作和特征提取技術(shù)，實(shí)現(xiàn)對(duì)缺陷區(qū)域的精確分割和分類識(shí)別，并快速輸出檢測(cè)結(jié)果和報(bào)告，這種系統(tǒng)化和自動(dòng)化的處理流程，顯著提高了鋼軌表面缺陷檢測(cè)的準(zhǔn)確性和效率。