CN104280397B - 一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法 - Google Patents
一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法 Download PDFInfo
- Publication number
- CN104280397B CN104280397B CN201310269247.9A CN201310269247A CN104280397B CN 104280397 B CN104280397 B CN 104280397B CN 201310269247 A CN201310269247 A CN 201310269247A CN 104280397 B CN104280397 B CN 104280397B
- Authority
- CN
- China
- Prior art keywords
- eddy current
- crackle
- fish scale
- dimensional imaging
- array eddy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 208000037656 Respiratory Sounds Diseases 0.000 title claims abstract description 174
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 154
- 238000011156 evaluation Methods 0.000 title claims abstract description 14
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 10
- 238000003786 synthesis reaction Methods 0.000 title claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000003384 imaging method Methods 0.000 claims description 111
- 238000000034 method Methods 0.000 claims description 20
- 239000000523 sample Substances 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 12
- 238000012854 evaluation process Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 206010011376 Crepitations Diseases 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 17
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004140 cleaning Methods 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 238000004451 qualitative analysis Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Abstract
本发明公开了一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法，基于涡流与视频检测原理，将涡流检测的速度快、检出灵敏度高的特点与视频检测的简单、直观、易于保存的特点结合在一起，将两种手段获取的鱼鳞裂纹进行图像特征及裂纹深度加权比较验证，实现对钢轨踏面鱼鳞裂纹缺陷的涡流视频快速、自动综合检测评估，通过对钢轨踏面的缺陷深度、开口形状及视频图像进行综合分析研究，定性分析缺陷信息，并判断缺陷可能对钢轨造成的各种影响，提出相应可行的整改建议，从而实现对钢轨在役运行状况的全面把握，提高在役钢轨鱼鳞裂纹缺陷的检测效率和可靠性。
Description
所属技术领域
本发明涉及一种无损检测方法，特别是涉及一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法。
背景技术
目前，我国在发展铁路运输方面力求提高列车运行速度，增加行车密度，或增大轴重与列车重量，即不断向高速、重载、大功率方向发展。在此情况下，钢轨的疲劳损伤与塑性流动，尤其是因滚动接触疲劳而产生的踏面剥离与轨面波形磨损日趋严重，致使大量的钢轨未能达到预期的通过吨位而过早地被更换，造成严重的经济损失。列车在线路上运行时,车轮与钢轨之间的摩擦与粘着形成了传递列车牵引力、制动力及导向力的作用。与此同时，轮轨接触过程中的运动状态，以滚动接触为主，并经常伴有滑移现象。因此，轮轨的接触面（踏面）必然产生正常的磨损与各种不正常的损伤。例如，钢轨踏面的垂直磨损、塑性变形以及擦伤、鱼鳞缺陷、剥离、波形磨损等等。
通过长期的研究表明在役的钢轨踏面的作用边（特别是曲线上股）出现程度不同的鱼鳞状裂纹缺陷容易导致钢轨踏面的剥落掉块，形成重大的安全隐患，甚至可能导致钢轨折断机车出轨的重大安全事故。在铁路工务系统中，通用检测方法是先对钢轨表面进行人工打磨，通过肉眼观察等方法实现对鱼鳞状裂纹缺陷状态的分析判断。这种方法通常效率不高，进展缓慢，而且容易出现误判漏判的现象。
发明内容
本发明的目的在于克服现有技术之不足，提供一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法，基于涡流与视频检测原理，将涡流检测的速度快、检出灵敏度高的特点与视频检测的简单、直观、易于保存的特点结合在一起，将两种手段获取的鱼鳞裂纹进行图像特征及裂纹深度加权比较验证，实现对钢轨踏面鱼鳞裂纹缺陷的涡流视频快速、自动综合检测评估，通过对钢轨踏面的缺陷深度、开口形状及视频图像进行综合分析研究，定性分析缺陷信息，并判断缺陷可能对钢轨造成的各种影响，提出相应可行的整改建议，从而实现对钢轨在役运行状况的全面把握。
本发明解决其技术问题所采用的技术方案是：一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法，其特征在于：检测评估方法包括标定、实测、判断、评估过程，
a. 标定过程为，
阵列涡流视频组合传感器连接阵列涡流视频集成检测仪器，将阵列涡流视频组合传感器放置于标定用钢轨试块踏面上扫查，标定用钢轨试块踏面上有人工加工的标准鱼鳞裂纹；阵列涡流视频组合传感器中的阵列涡流探头采集标定用钢轨试块踏面上的标准鱼鳞裂纹的涡流信号，设置阵列涡流检测参数，设置阵列涡流二维成像图的颜色，颜色的深浅度设置代表为裂纹的深度，深浅度范围为0%～100%，无裂纹部分的图像颜色深浅度设置为0%，将50%深浅度的颜色设置为标准鱼鳞裂纹的颜色，确保标准鱼鳞裂纹清晰可见，保存设置的参数；阵列涡流视频组合传感器中的视频探头同步采集标定用钢轨试块踏面上的视频图像，设置视频检测参数，使得视频图像中的标准鱼鳞裂纹清晰可见；
b. 实测过程为，
将阵列涡流视频组合传感器放置于在役钢轨踏面上扫查，阵列涡流视频组合传感器中的阵列涡流探头采集在役钢轨踏面的涡流信号，得到在役钢轨踏面的阵列涡流二维成像图，当在役钢轨踏面上有裂纹时，这些裂纹显示在阵列涡流二维成像图中；阵列涡流视频组合传感器中的视频探头同步采集在役钢轨踏面上的视频图像，在役钢轨踏面上的裂纹显示在视频图像中；
c. 判断过程为，
阵列涡流视频集成检测仪器将阵列涡流二维成像图与视频图像同屏、同时间轴显示，比对分析阵列涡流二维成像图与视频图像；
判断参数有三项：
阵列涡流二维成像图中的裂纹颜色深浅度、阵列涡流二维成像图中的裂纹形状、视频图像中是否看到与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹；
判断方法为：
阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）；
阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）；
视频图像中没有看到鱼鳞形状裂纹（0）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）；
判断结果有八种：
（000）：阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中没有看到鱼鳞形状裂纹（0）；
（001）：阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）；
（010）：阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中没有看到鱼鳞形状裂纹（0）；
（011）：阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）；
（100）：阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中没有看到鱼鳞形状裂纹（0）；
（101）：阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）；
（110）：阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中没有看到鱼鳞形状裂纹（0）；
（111）：阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）；
d. 评估过程为，
对判断结果进行评估，给出关注程度和处理方式，评估结果有五种：对于判断结果（000）无需关注；对于判断结果（001）一般关注，需要再次对检测部位进行检测确认；对于判断结果（010）、（011）、（100）、（101）多加关注，需要再次对检测部位进行检测确认；对于判断结果（110）重点关注，需要再次对检测部位检测进行确认；对于判断结果（111）特别关注，并及时采取相关措施处理有问题的钢轨。
表1为判断评估表，给出了本发明的一种在役钢轨踏面鱼鳞裂纹的视频涡流综合检测评估方法的八种判断结果与其对应的五种评估处理结果。
表1 判断评估表
本发明的有益效果是，提供一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法，基于涡流与视频检测原理，将涡流检测的速度快、检出灵敏度高的特点与视频检测的简单、直观、易于保存的特点结合在一起，将两种手段获取的鱼鳞裂纹进行图像特征及裂纹深度加权比较验证，实现对钢轨踏面鱼鳞裂纹缺陷的涡流视频快速、自动综合检测评估，通过对钢轨踏面的缺陷深度、开口形状及视频图像进行综合分析研究，定性分析缺陷信息，并判断缺陷可能对钢轨造成的各种影响，提出相应可行的整改建议，从而实现对钢轨在役运行状况的全面把握，提高在役钢轨鱼鳞裂纹缺陷的检测效率和可靠性。
以下结合实施例对本发明作进一步详细说明，但本发明的一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法不局限于实施例。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明实施例的阵列涡流视频组合传感器示意图。
图2是本发明实施例的标定示意图。
图3是本发明实施例的实测示意图。
图4是本发明实施例的判断示意图。
图中，1．阵列涡流视频组合传感器，2．阵列涡流视频组合传感器中的阵列涡流探头，3．阵列涡流视频组合传感器中的视频探头，4．标定用钢轨试块，5．标准鱼鳞裂纹，6．在役钢轨，7．裂纹，E．阵列涡流二维成像图，V．视频图像，000．阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中没有看到鱼鳞形状裂纹（0），001．阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1），010．阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中没有看到鱼鳞形状裂纹（0），011．阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹图像颜色（0）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1），100．阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中没有看到鱼鳞形状裂纹（0），101．阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1），110．阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中没有看到鱼鳞形状裂纹（0），111．阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）。
具体实施方式
图1、图2、图3、图4所示的实施例中，一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法，其特征在于：检测评估方法包括标定、实测、判断、评估过程，
a. 标定过程为，
阵列涡流视频组合传感器1连接阵列涡流视频集成检测仪器，将阵列涡流视频组合传感器1放置于标定用钢轨试块4踏面上扫查，标定用钢轨试块4踏面上有人工加工的标准鱼鳞裂纹5；阵列涡流视频组合传感器1中的阵列涡流探头2采集标定用钢轨试块4踏面上的标准鱼鳞裂纹5的涡流信号，设置阵列涡流检测参数，设置阵列涡流二维成像图E的颜色，颜色的深浅度设置代表为裂纹的深度，深浅度范围为0%～100%，无裂纹部分的图像颜色深浅度设置为0%，将50%深浅度的颜色设置为标准鱼鳞裂纹5的颜色，确保标准鱼鳞裂纹5清晰可见，保存设置的参数；阵列涡流视频组合传感器1中的视频探头3同步采集标定用钢轨试块4踏面上的视频图像V，设置视频检测参数，使得视频图像V中的标准鱼鳞裂纹5清晰可见；
b. 实测过程为，
将阵列涡流视频组合传感器1放置于在役钢轨6踏面上扫查，阵列涡流视频组合传感器1中的阵列涡流探头2采集在役钢轨6踏面的涡流信号，得到在役钢轨6踏面的阵列涡流二维成像图E，当在役钢轨6踏面上有裂纹时，这些裂纹显示在阵列涡流二维成像图E中；阵列涡流视频组合传感器1中的视频探头3同步采集在役钢轨6踏面上的视频图像V，在役钢轨6踏面上的裂纹显示在视频图像V中；
c. 判断过程为，
阵列涡流视频集成检测仪器将阵列涡流二维成像图E与视频图像V同屏、同时间轴显示，比对分析阵列涡流二维成像图E与视频图像V；
判断参数有三项：
阵列涡流二维成像E图中的裂纹7颜色深浅度、阵列涡流二维成像图E中的裂纹7形状、视频图像V中是否看到与阵列涡流二维成像图E中相对应的相似的鱼鳞形状裂纹7；
判断方法为：
阵列涡流二维成像图E中的裂纹7颜色深浅度小于标准鱼鳞裂纹5颜色（0）、阵列涡流二维成像图E中的裂纹7颜色深浅度等于或大于标准鱼鳞裂纹5颜色（1）；
阵列涡流二维成像图E中的裂纹7形状不是鱼鳞形状（0）、阵列涡流二维成像图E中的裂纹7形状是鱼鳞形状（1）；
视频图像V中没有看到鱼鳞形状裂纹7（0）、视频图像V中看到明显的与阵列涡流二维成像图E中相对应的相似的鱼鳞形状裂纹7（1）；
判断结果有八种：
（000）：阵列涡流二维成像图E中的裂纹7颜色深浅度小于标准鱼鳞裂纹5颜色（0）、阵列涡流二维成像图E中的裂纹7形状不是鱼鳞形状（0）、视频图像V中没有看到鱼鳞形状裂纹7（0）；
（001）：阵列涡流二维成像图E中的裂纹7颜色深浅度小于标准鱼鳞裂纹5颜色（0）、阵列涡流二维成像图E中的裂纹7形状不是鱼鳞形状（0）、视频图像V中看到明显的与阵列涡流二维成像图E中相对应的相似的鱼鳞形状裂纹7（1）；
（010）：阵列涡流二维成像图E中的裂纹7颜色深浅度小于标准鱼鳞裂纹5颜色（0）、阵列涡流二维成像图E中的裂纹7形状是鱼鳞形状（1）、视频图像V中没有看到鱼鳞形状裂纹7（0）；
（011）：阵列涡流二维成像图E中的裂纹7颜色深浅度小于标准鱼鳞裂纹5颜色（0）、阵列涡流二维成像图E中的裂纹7形状是鱼鳞形状（1）、视频图像V中看到明显的与阵列涡流二维成像图E中相对应的相似的鱼鳞形状裂纹7（1）；
（100）：阵列涡流二维成像图E中的裂纹7颜色深浅度等于或大于标准鱼鳞裂纹5颜色（1）、阵列涡流二维成像图E中的裂纹7形状不是鱼鳞形状（0）、视频图像V中没有看到鱼鳞形状裂纹7（0）；
（101）：阵列涡流二维成像图E中的裂纹7颜色深浅度等于或大于标准鱼鳞裂纹5颜色（1）、阵列涡流二维成像图E中的裂纹7形状不是鱼鳞形状（0）、视频图像V中看到明显的与阵列涡流二维成像图E中相对应的相似的鱼鳞形状裂纹7（1）；
（110）：阵列涡流二维成像图E中的裂纹7颜色深浅度等于或大于标准鱼鳞裂纹5颜色（1）、阵列涡流二维成像图E中的裂纹7形状是鱼鳞形状（1）、视频图像V中没有看到鱼鳞形状裂纹7（0）；
（111）：阵列涡流二维成像图E中的裂纹7颜色深浅度等于或大于标准鱼鳞裂纹5颜色（1）、阵列涡流二维成像图E中的裂纹7形状是鱼鳞形状（1）、视频图像V中看到明显的与阵列涡流二维成像图E中相对应的相似的鱼鳞形状裂纹7（1）；
d. 评估过程为，
对判断结果进行评估，给出关注程度和处理方式，评估结果有五种：对于判断结果（000）无需关注；对于判断结果（001）一般关注，需要再次对检测部位进行检测确认；对于判断结果（010）、（011）、（100）、（101）多加关注，需要再次对检测部位进行检测确认；对于判断结果（110）重点关注，需要再次对检测部位检测进行确认；对于判断结果（111）特别关注，并及时采取相关措施处理有问题的钢轨。
上述实施例仅用来进一步说明本发明的一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法，但发明并不局限于实施例，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均落入本发明技术方案的保护范围内。
Claims (1)
1.一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法，其特征在于：检测评估方法包括标定、实测、判断、评估过程，
a. 标定过程为，
阵列涡流视频组合传感器连接阵列涡流视频集成检测仪器，将阵列涡流视频组合传感器放置于标定用钢轨试块踏面上扫查，标定用钢轨试块踏面上有人工加工的一个标准鱼鳞裂纹；阵列涡流视频组合传感器中的阵列涡流探头采集标定用钢轨试块踏面上的标准鱼鳞裂纹的涡流信号，设置阵列涡流检测参数，设置阵列涡流二维成像图的颜色，颜色的深浅度设置代表为裂纹的深度，深浅度范围为0%～100%，无裂纹部分的图像颜色深浅度设置为0%，将50%深浅度的颜色设置为标准鱼鳞裂纹的颜色，确保标准鱼鳞裂纹清晰可见，保存设置的参数；阵列涡流视频组合传感器中的视频探头同步采集标定用钢轨试块踏面上的视频图像，设置视频检测参数，使得视频图像中的标准鱼鳞裂纹清晰可见；
b. 实测过程为，
将阵列涡流视频组合传感器放置于在役钢轨踏面上扫查，阵列涡流视频组合传感器中的阵列涡流探头采集在役钢轨踏面的涡流信号，得到在役钢轨踏面的阵列涡流二维成像图，当在役钢轨踏面上有裂纹时，这些裂纹显示在阵列涡流二维成像图中；阵列涡流视频组合传感器中的视频探头同步采集在役钢轨踏面上的视频图像，在役钢轨踏面上的裂纹显示在视频图像中；
c. 判断过程为，
阵列涡流视频集成检测仪器将阵列涡流二维成像图与视频图像同屏、同时间轴显示，比对分析阵列涡流二维成像图与视频图像；
判断参数有三项：
阵列涡流二维成像图中的裂纹颜色深浅度、阵列涡流二维成像图中的裂纹形状、视频图像中是否看到与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹；
判断方法为：
阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）；
阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）；
视频图像中没有看到鱼鳞形状裂纹（0）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）；
判断结果有八种：
（000）：阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中没有看到鱼鳞形状裂纹（0）；
（001）：阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）；
（010）：阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中没有看到鱼鳞形状裂纹（0）；
（011）：阵列涡流二维成像图中的裂纹颜色深浅度小于标准鱼鳞裂纹颜色（0）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）；
（100）：阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中没有看到鱼鳞形状裂纹（0）；
（101）：阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状不是鱼鳞形状（0）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）；
（110）：阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中没有看到鱼鳞形状裂纹（0）；
（111）：阵列涡流二维成像图中的裂纹颜色深浅度等于或大于标准鱼鳞裂纹颜色（1）、阵列涡流二维成像图中的裂纹形状是鱼鳞形状（1）、视频图像中看到明显的与阵列涡流二维成像图中相对应的相似的鱼鳞形状裂纹（1）；
d. 评估过程为，
对判断结果进行评估，给出关注程度和处理方式，评估结果有五种：对于判断结果（000）无需关注；对于判断结果（001）一般关注，需要再次对检测部位进行检测确认；对于判断结果（010）、（011）、（100）、（101）多加关注，需要再次对检测部位进行检测确认；对于判断结果（110）重点关注，需要再次对检测部位检测进行确认；对于判断结果（111）特别关注，并及时采取相关措施处理有问题的钢轨。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310269247.9A CN104280397B (zh) | 2013-07-01 | 2013-07-01 | 一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310269247.9A CN104280397B (zh) | 2013-07-01 | 2013-07-01 | 一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104280397A CN104280397A (zh) | 2015-01-14 |
| CN104280397B true CN104280397B (zh) | 2016-09-07 |
Family
ID=52255489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310269247.9A Active CN104280397B (zh) | 2013-07-01 | 2013-07-01 | 一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104280397B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105606700A (zh) * | 2015-09-29 | 2016-05-25 | 上海航天精密机械研究所 | 一种对火箭贮箱的搅拌摩擦焊缝进行检测的方法 |
| CN107727660A (zh) * | 2017-10-13 | 2018-02-23 | 浙江树人学院 | 基于机器视觉和脉冲涡流的钢轨表面缺陷检测系统及方法 |
| CN109341508B (zh) * | 2018-12-12 | 2021-05-18 | 爱德森（厦门）电子有限公司 | 一种在役钢轨轨腰厚度非接触检测装置及方法 |
| CN109342556B (zh) * | 2018-12-12 | 2022-04-22 | 爱德森（厦门）电子有限公司 | 一种道岔轨底边角裂自适形涡流检测装置及方法 |
| CN109596704B (zh) * | 2018-12-31 | 2023-05-19 | 萧县华恒静电科技有限公司 | 一种车轮专用涡流感应器 |
| CN109596703B (zh) * | 2018-12-31 | 2022-12-16 | 黑龙江瑞兴科技股份有限公司 | 一种用于车轮无损检测的涡流感应器 |
| CN109632943B (zh) * | 2019-01-04 | 2023-04-14 | 萧县华恒静电科技有限公司 | 一种适用于车轮的高精度涡流感应器 |
| CN111521671B (zh) * | 2020-05-19 | 2022-05-20 | 华中科技大学 | 一种钢轨表面裂纹的涡流探伤方法 |
| CN113665622B (zh) * | 2020-10-12 | 2023-04-25 | 爱德森（厦门）电子有限公司 | 一种在役轨道轨形动态检测装置及其方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2585229Y (zh) * | 2002-12-19 | 2003-11-05 | 林俊明 | 涡流/视频一体化检测装置 |
| CN103018324A (zh) * | 2013-01-06 | 2013-04-03 | 爱德森（厦门）电子有限公司 | 一种在用钢轨的自动化电磁无损检测方法及装置 |
| CN103149273A (zh) * | 2013-02-07 | 2013-06-12 | 爱德森（厦门）电子有限公司 | 一种在用钢轨的涡流电控扫查监测方法及装置 |
| CN202994728U (zh) * | 2013-01-06 | 2013-06-12 | 爱德森（厦门）电子有限公司 | 一种在用钢轨的自动化电磁无损检测装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5520061B2 (ja) * | 2010-01-22 | 2014-06-11 | 日本原子力発電株式会社 | 渦電流法による内部欠陥評価方法 |
-
2013
- 2013-07-01 CN CN201310269247.9A patent/CN104280397B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2585229Y (zh) * | 2002-12-19 | 2003-11-05 | 林俊明 | 涡流/视频一体化检测装置 |
| CN103018324A (zh) * | 2013-01-06 | 2013-04-03 | 爱德森（厦门）电子有限公司 | 一种在用钢轨的自动化电磁无损检测方法及装置 |
| CN202994728U (zh) * | 2013-01-06 | 2013-06-12 | 爱德森（厦门）电子有限公司 | 一种在用钢轨的自动化电磁无损检测装置 |
| CN103149273A (zh) * | 2013-02-07 | 2013-06-12 | 爱德森（厦门）电子有限公司 | 一种在用钢轨的涡流电控扫查监测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104280397A (zh) | 2015-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104280397B (zh) | 一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法 | |
| US10760898B2 (en) | Optical device and method for inspecting tires | |
| Deutschl et al. | Defect detection on rail surfaces by a vision based system | |
| CN104608799B (zh) | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 | |
| KR101214645B1 (ko) | 트롤리선 마모 측정 장치 | |
| CN109142524A (zh) | 一种轨道损伤检测方法、装置及设备 | |
| SG178898A1 (en) | Feature detection and measurement in retinal images | |
| CN104535356A (zh) | 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统 | |
| JP6283534B2 (ja) | タイヤ劣化評価装置とそのシステム、その方法及びそのプログラム | |
| CN106442525A (zh) | 用于核桃内部干瘪缺陷的在线检测方法 | |
| Yang et al. | Longitudinal tear early-warning method for conveyor belt based on infrared vision | |
| Taştimur et al. | Detection of rail faults using morphological feature extraction based image processing | |
| CN109212033B (zh) | 一种高速轨道内部伤损的超声图像检测方法 | |
| Szugs et al. | Combination of ultrasonic and eddy current testing with imaging for characterization of rolling contact fatigue | |
| CN104792873B (zh) | 一种钢锭内部缺陷的超声波b+c+d+s扫描识别方法 | |
| CN114330429A (zh) | 一种钢轨擦伤识别方法、装置、系统、设备及存储介质 | |
| JP2009294033A (ja) | パンタグラフのホーン監視装置 | |
| NEZU et al. | Contactless measuring method of overhead contact line positions by stereo image measurement and laser distance measurement | |
| CN109459489B (zh) | 一种基于磁记忆检测原理的电梯裂纹检测方法 | |
| CN203259116U (zh) | 火车路轨裂纹检测设备 | |
| CN113048893B (zh) | 一种列车闸片磨耗测量方法及系统 | |
| KR102529091B1 (ko) | 배관 결함 분석 장치 및 방법 | |
| CN111950351B (zh) | 基于太赫兹和可见光的农机劳损早期诊断巡检系统 | |
| CN204649168U (zh) | 钢球表面检测装置 | |
| CN111627000A (zh) | 弓网拉弧检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240304 Address after: 361008 room 703, No.23 Wanghai Road, software park, Siming District, Xiamen City, Fujian Province Patentee after: EDDYSUN (XIAMEN) ELECTRONIC Co.,Ltd. Country or region after: China Address before: Room 505, Building A, Science and Technology Wealth Center, No. 8 Xueqing Road, Haidian District, Beijing, 100192 Patentee before: BEIJING BESTNDT Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |