基于机器视觉的钢轨表面检测光学模型的研究

摘要：

在机器视觉的检测中,图像是整个系统中最重要的原始数据,其质量决定了后期图像处理的效果和速度.为探讨高质量图像的采集,提出一种基于线阵CCD相机和线阵光源的钢轨表面缺陷检测的光学理论模型,分析线阵CCD采集系统中振动模糊的原因,推导出图像灰度值与系统振动幅度和缺陷深度的关系,研究光源照射角度和相机拍摄角度对图像灰度和缺陷区域对比度的影响,并通过实验验证模型的合理性.结果表明:缺陷区域图像灰度值随着钢轨表面缺陷深度增大而降低,采用较低的光源照射角度可增大缺陷与背景的对比度,突出缺陷特征便于后期图像处理的缺陷识别.

关键词：钢轨检测、机器视觉、光学模型、高质量图像、缺陷对比度

所属期刊栏目：61

分类号：TP23(自动化技术及设备)

资助基金：南昌大学研究生创新专项基金cx2015059

在线出版日期：2017-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：50-53,57