CN109212033A - 一种高速轨道内部伤损的超声图像检测方法 - Google Patents
一种高速轨道内部伤损的超声图像检测方法 Download PDFInfo
- Publication number
- CN109212033A CN109212033A CN201810952878.3A CN201810952878A CN109212033A CN 109212033 A CN109212033 A CN 109212033A CN 201810952878 A CN201810952878 A CN 201810952878A CN 109212033 A CN109212033 A CN 109212033A
- Authority
- CN
- China
- Prior art keywords
- hurt
- ultrasound image
- speed track
- detection method
- image
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
- B61K9/10—Measuring installations for surveying permanent way for detecting cracks in rails or welds thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/048—Marking the faulty objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/26—Arrangements for orientation or scanning by relative movement of the head and the sensor
- G01N29/265—Arrangements for orientation or scanning by relative movement of the head and the sensor by moving the sensor relative to a stationary material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/26—Scanned objects
- G01N2291/267—Welds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明实施例公开了一种高速轨道内部伤损的超声图像检测方法,包括超声图像处理步骤和超声图像识别步骤;所述超声图像处理步骤包括分通道图像归一化、求解辅助线数量及位置和划分ROI区域分块处理;所述超声图像识别步骤包括判定伤损类型、定位伤损位置和计算伤损特征参数。采用本发明,将探伤工的判定经验加以量化处理并用数学语言进行描述,设计图像处理和图像识别算法对高速轨道内部超声图像进行分析识别,高效准确的检测高速轨道内部伤损,相比传统的人工检测,本方法具有高速度、高准确度、高精度、量化伤损的优点,且对不同尺寸的超声图像、不同粗细程度的超声图像具有普适性。
Description
技术领域
本发明涉及图像处理与图像识别领域,尤其涉及一种高速轨道内部伤损的超声图像检测方法。
背景技术
随着高铁时速的增加及全国高铁网络的快速覆盖,高速轨道的负荷也进一步加重,轨道损坏易引发重大的安全事故,如何加强轨道动态检测力度,及时掌握高速轨道状态,指导线路养护维修,确保行车安全,已成为我国铁路工作中的一项重要基础工作。而高速轨道内部的伤损是导致高铁行驶事故的最大隐患,高速轨道在铸造成型后,普通的视觉检测无法观测到其内部探伤,通过超声波成像,分析超声图像检测轨道内部的伤损情况是确保高铁行驶安全的重要环节之一。
当前高速轨道内部探伤的检测方式是通过安装有超声探头的探测小车采集轨道超声图像后,由经验丰富的轨道探伤工进行观察检测判断,理论和实测表明,由于实际超声图像的复杂性,人工判定存在诸多问题。其一,效率低下,单个探伤工人通过肉眼观察检测铁轨内部超声图像的平均速度仅为2-3km/h,一天八小时至多可以检测24km,难以满足当前快速检测的需要,相比之下,探测小车采集轨道超声图像的时速通常在15×2km/h以上,速率较高;其二,判断结果不稳定,由于人的主观性以及人眼疲劳,不同的人对同一细微的伤损可能会做出不同的判断,缺乏量化的标准,易导致判定混乱。其三,可获得的信息单一,传统的人工检测方法只能判定伤损的类型及大致位置,无法对伤损的面积、长度、倾斜角度等做出精确计算。
发明内容
本发明实施例所要解决的技术问题在于,提供一种高速轨道内部伤损的超声图像检测方法。可解决现有的人工检测方法带来的效率低下、判定混乱、获取信息单一等问题。
为了解决上述技术问题,本发明实施例提供了一种高速轨道内部伤损的超声图像检测方法,包括超声图像处理步骤和超声图像识别步骤;
所述超声图像处理步骤包括分通道图像归一化、求解辅助线数量及位置和划分ROI区域分块处理;
所述超声图像识别步骤包括判定伤损类型、定位伤损位置和计算伤损特征参数。
进一步地,所述分通道图像归一化包括将超声图像按红色、绿色、蓝色和辅助线颜色分别提取;针对不同粗细程度的超声图像,使用改良的骨架细化算法对图像进行归一化处理,使图像具有相同的粗细程度,便于后续处理。
更进一步地,所述求解辅助线数量包括对超声图像类型细分为5条辅助线图像和7条辅助线图像,以及为后续的图像分区域处理提供划分ROI区域的依据。
更进一步地,所述划分ROI区域分块处理包括将超声图像分割为轨头、轨腰上部、轨腰下部和轨底区域,并针对各个区域特性分类处理,提高检测的准确度。
更进一步地,所述判定伤损类型包括分析指定ROI区域内可能出现的伤损,ROI 区域与伤损类型为一对一或一对多的关系,在指定ROI区域内,去除正常超声图像影响,剩余图像部分均视为伤损,直接判定伤损类型或通过与正常超声图像的相互位置关系进行判定。如:轨头区域的可能伤损为轨头核伤,去除端面图像影响后,其余图像均可判定为轨头核伤。
更进一步地,所述定位伤损位置包括使用canny算法提取伤损轮廓、使用Findcontour函数获得轮廓的集合和求取轮廓质心,获得伤损的位置信息。
更进一步地,所述计算伤损特征参数包括计算伤损的面积、长度、倾角、伤损上端点位置、伤损下端点位置,通过漫水填充法和遍历中心点附近区域获得。
更进一步地,所述计算伤损特征参数还包括采用计算最小外接矩形斜边的倾角代替伤损倾角,避免了伤损形状弯曲带来的倾角难以计算的问题,计算精度为1°,满足实际需求。
实施本发明实施例,具有如下有益效果:本发明将探伤工的判定经验加以量化处理并用数学语言进行描述,设计图像处理和图像识别算法对高速轨道内部超声图像进行分析识别,高效准确的检测高速轨道内部伤损。
附图说明
图1是高速轨道截面、侧面示意图;
图2是无伤损轨道连接处B型超声图像细分为5条辅助线图像的示意图;
图3是无伤损轨道连接处B型超声图像细分为7条辅助线图像的示意图;
图4是高速轨道内部B型超声图像细分为5条辅助线图像的示意图;
图5是高速轨道内部B型超声图像细分为7条辅助线图像的示意图;
图6是高速轨道内部的超声图像检测方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
本发明实施例的一种高速轨道内部伤损的超声图像检测方法具体说明如下。
如附图1,高速轨道截面为左右对称的工字型,从上往下分为轨头、轨腰和轨底三部分。轨道截面、侧面示意图如图1所示,a为轨头部分,b为轨颚部分,c为轨腰部分,d为轨底部分,以螺孔中心线为界,轨腰上部分标记为c1,轨腰下部分标记为c2。
如附图2,无伤损情况下,正常轨头部分仅有端面缝隙产生的超声图像,由两种或三种颜色的两条形状不规则图形组成,其中5线B型图的轨头部份红色、绿色、蓝色图像重叠显示,7线B型图的轨头部分红色、绿色、蓝色分三个轨头区域分别显示;正常轨腰部分成像为超声波传播至螺孔处产生的超声图像,不同方向的超声波传播至螺孔处时均反射至成像面成像,螺孔的超声图像为红、绿、蓝三条线段;正常轨底的超声图像为短的红色线段或无图像显示。
如附图4所示为5线B型图的超声图像,附图5所示为7线B型图的超声图像。
轨头部分可能存在的伤损为蓝色轨头核伤1和红色轨头核伤2。1和2的伤损特征表现为在轨头区域除端面图像外有红色或蓝色的条状图像,单个或成对出现。
轨颚部分无伤损,无超声成像。
轨腰上部分可能存在的伤损为绿色螺孔上裂3、蓝色螺孔上裂4、绿色螺孔下裂 5、蓝色螺孔下裂6和红色水平裂7。伤损3特征为在正常螺孔绿色图像右边多出一条绿色短斜线段,此线段即为绿色螺孔上裂纹产生的B型超声图像;伤损4特征为在正常螺孔蓝色图像左边多出一条蓝色短线段,此线段即为蓝色螺孔上裂纹产生的 B型超声图像;伤损5、6的特征有两种形式,第一种是在正常蓝绿图像下方出现一段绿色或蓝色短线段,第二种是相比正常绿、蓝短线段长度有明显延长;伤损7的特征为在正常螺孔成像的红色线段下方出现两条较短的红色水平线段,此线段即为螺孔水平裂纹产生的B型超声图像。
轨腰下部分可能存在的伤损为蓝色倒打下裂8和绿色倒打下裂9。伤损8的特征为在轨头附近螺孔图像下方出现一段蓝色短斜线段,此短斜线段即为蓝色倒打下裂产生的B型超声图像;伤损9的特征为在轨头附近螺孔图像下方出现一段绿色短斜线段,此短斜线段即为绿色倒打下裂产生的B型超声图像。
轨底部分可能存在的伤损为轨底核伤10和轨底横裂11。伤损10的特征为在轨底区域有绿色或蓝色的单条状图像或是蓝色和绿色各一条成对出现;伤损11的特征表现为在轨底区域有红色水平长线段。
如附图6,在超声图像处理及超声图像识别流程图中主要流程有如下:
1.从原图中分别分离出红色通道图像Red、绿色通道图像Green、蓝色通道图像Blue及辅助线图像Lines,并对Red、Green、Blue图像的粗细程度做归一化处理;
2.针对Lines图像,计算辅助线数量,对超声图像进行分类,并测量每条辅助线所在位置,判定轨头、轨腰和轨底所在区域;
3.根据辅助线位置信息将归一化后的红色、绿色、蓝色图像按区域分别分成轨头、轨腰上部、轨腰下部、轨底12张图像;
4.将轨头区域的红色、蓝色图像融合,形态学处理后得到仅含有端面的图像,寻找图像轮廓,获取质心坐标,即为所需测量的端面位置;
5.将轨底区域的蓝色、绿色图像融合;
6.分别处理红色轨头区域、蓝色轨头区域、红色轨腰区域、绿色轨腰上部区域、绿色轨腰下部区域、蓝色轨腰上部区域、蓝色轨腰下部区域、蓝色和绿色轨底区域和红色轨底区域并分别对其进行处理,依次判定及定位轨头红色核伤、轨头蓝色核伤、螺孔水平裂、螺孔绿色上下裂、绿色倒打下裂、螺孔蓝色上下裂、蓝色倒打下裂、轨底核伤和轨底横裂。
5.判定伤损类型和定位伤损位置后,通过漫水填充和遍历图像计算探伤具体参数信息;最后输出高速轨道内部伤损的超声图像检测结果,包括探伤颜色、伤损类型、伤损位置、伤损面积、伤损长度、伤损距端面水平距离、伤损距轨面垂直距离、伤损上端点位置、伤损下端点位置、倾角。
本发明实施例具有如下优点:
1.高效率,平均每张超声图像的检测耗时不超过3s,每小时检测的高速轨道长度不少于3.6km,电脑不间断工作,一天至少可检测86.4km,相比人工检测,极大的提高了效率;
2.高准确度,本方法对伤损类型的判定准确率在98%以上,具有实际应用价值,满足市场需求;
3.高精度,本方法对轨道定位、伤损位置、伤损长度均达到1像素精度,对伤损面积的测量精度为0.5像元,对裂纹倾斜角的测量精度达到1°;
4.量化伤损情况,本方法可计算伤损面积、长度、倾斜角度等,对高速轨道生产的优化改进提供数据基础。相比传统的人工检测,本方法具有高速度、高准确度、高精度、量化伤损的优点,且对不同尺寸的超声图像、不同粗细程度的超声图像具有普适性。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (8)
1.一种高速轨道内部伤损的超声图像检测方法,其特征在于,包括超声图像处理步骤和超声图像识别步骤;
所述超声图像处理步骤包括分通道图像归一化、求解辅助线数量及位置和划分ROI区域分块处理;
所述超声图像识别步骤包括判定伤损类型、定位伤损位置和计算伤损特征参数。
2.根据权利要求1所述的高速轨道内部伤损的超声图像检测方法,其特征在于,所述分通道图像归一化包括将超声图像按红色、绿色、蓝色和辅助线颜色分别提取;针对不同粗细程度的超声图像,使用改良的骨架细化算法对图像进行归一化处理。
3.根据权利要求1所述的高速轨道内部伤损的超声图像检测方法,其特征在于,所述求解辅助线数量包括对超声图像类型细分为5条辅助线图像和7条辅助线图像。
4.根据权利要求1所述的高速轨道内部伤损的超声图像检测方法,其特征在于,所述划分ROI区域分块处理包括将超声图像分割为轨头、轨腰上部、轨腰下部和轨底区域,并针对各个区域特性分类处理。
5.根据权利要求1所述的高速轨道内部伤损的超声图像检测方法,其特征在于,所述判定伤损类型包括分析指定ROI区域内可能出现的伤损,ROI区域与伤损类型为一对一或一对多的关系,在指定ROI区域内,去除正常超声图像影响,剩余图像部分均视为伤损,直接判定伤损类型或通过与正常超声图像的相互位置关系进行判定。
6.根据权利要求1所述的高速轨道内部伤损的超声图像检测方法,其特征在于,所述定位伤损位置包括使用canny算法提取伤损轮廓、使用Findcontour函数获得轮廓的集合和求取轮廓质心,获得伤损的位置信息。
7.根据权利要求1-6任一项所述的高速轨道内部伤损的超声图像检测方法,其特征在于,所述计算伤损特征参数包括计算伤损的面积、长度、倾角、伤损上端点位置、伤损下端点位置,通过漫水填充法和遍历中心点附近区域获得。
8.根据权利要求1所述的高速轨道内部伤损的超声图像检测方法,其特征在于,所述计算伤损特征参数还包括采用计算最小外接矩形斜边的倾角代替伤损倾角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810952878.3A CN109212033B (zh) | 2018-08-20 | 2018-08-20 | 一种高速轨道内部伤损的超声图像检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810952878.3A CN109212033B (zh) | 2018-08-20 | 2018-08-20 | 一种高速轨道内部伤损的超声图像检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109212033A true CN109212033A (zh) | 2019-01-15 |
CN109212033B CN109212033B (zh) | 2021-02-02 |
Family
ID=64988787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810952878.3A Active CN109212033B (zh) | 2018-08-20 | 2018-08-20 | 一种高速轨道内部伤损的超声图像检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109212033B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109828026A (zh) * | 2019-02-13 | 2019-05-31 | 汕头大学 | 一种高速轨道缺陷并行超声波成像检测及其智能学习方法 |
CN110047070A (zh) * | 2019-04-22 | 2019-07-23 | 山东师范大学 | 一种轨道磨损程度的识别方法及系统 |
CN110254451A (zh) * | 2019-07-01 | 2019-09-20 | 上海海事大学 | 一种单轨接触式轨道检测车 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0124442A2 (fr) * | 1983-04-29 | 1984-11-07 | Commissariat A L'energie Atomique | Procédé et dispositif d'holographie acoustique utilisant un faisceau ultrasonore limité dans l'espace |
EP0352117A2 (en) * | 1988-07-22 | 1990-01-24 | Akademiet For De Tekniske Videnskaber, Svejsecentralen | Method of analysing and evaluating the results of an ultrasonic examination |
US20050183505A1 (en) * | 2004-02-23 | 2005-08-25 | Naoyuki Kono | Ultrasonic flaw detecting method and ultrasonic flaw detector |
JP2007179386A (ja) * | 2005-12-28 | 2007-07-12 | Fujitsu Ten Ltd | 白線認識方法及び白線認識装置 |
CN2927051Y (zh) * | 2006-02-07 | 2007-07-25 | 哈尔滨工业大学 | 海洋平台结构超声相控阵检测成像装置 |
JP2009281731A (ja) * | 2008-05-19 | 2009-12-03 | Chubu Electric Power Co Inc | 長尺部材の欠陥評価方法及び長尺部材の欠陥評価装置 |
CN101692070A (zh) * | 2009-10-16 | 2010-04-07 | 中国电子科技集团公司第四十五研究所 | 超声扫描显微镜b扫描图像的构建方法 |
CN102099675A (zh) * | 2008-07-18 | 2011-06-15 | 国立大学法人东北大学 | 结构缺陷的成像方法、结构缺陷的成像装置、气泡或损害部位的成像方法以及气泡或损害部位的成像装置 |
CN102393422A (zh) * | 2011-08-22 | 2012-03-28 | 江苏省产品质量监督检验研究院 | 基于超声tofd的缺陷离线判别方法 |
CN202453330U (zh) * | 2011-12-13 | 2012-09-26 | 福建省电力有限公司电力科学研究院 | 管道超声波检测对比试块 |
CN103033567A (zh) * | 2012-12-31 | 2013-04-10 | 江苏大学 | 一种基于导波的管道缺陷信号识别方法 |
CN103926311A (zh) * | 2013-01-15 | 2014-07-16 | 宝山钢铁股份有限公司 | 轧辊表层显微开裂超声检测方法 |
WO2015001624A1 (ja) * | 2013-07-03 | 2015-01-08 | 株式会社 日立製作所 | 超音波探傷方法、超音波探傷装置ならびにパネル構造体の溶接部検査方法 |
CN104535652A (zh) * | 2015-01-15 | 2015-04-22 | 无锡北斗星通信息科技有限公司 | 一种钢轨损伤探测方法 |
CN104764804A (zh) * | 2015-03-16 | 2015-07-08 | 西安交通大学 | 超声Lamb波局部循环扫描概率重构层析成像方法 |
CN104865277A (zh) * | 2015-05-11 | 2015-08-26 | 四川大学 | 基于双壁双投影透照图像的管焊缝缺陷自动识别的方法 |
CN104931585A (zh) * | 2015-05-29 | 2015-09-23 | 湖北三江航天江北机械工程有限公司 | 复合材料脱粘缺陷超声波c扫描检测面积评定方法 |
CN104990980A (zh) * | 2015-06-19 | 2015-10-21 | 西安理工大学 | 一种基于超声导波的钢轨损伤判断方法 |
CN105160359A (zh) * | 2015-09-17 | 2015-12-16 | 华南理工大学 | 一种基于超声导波的复杂结构损伤协同识别方法 |
CN107677729A (zh) * | 2017-10-24 | 2018-02-09 | 中国铁路总公司 | 铁路钢轨探伤系统 |
-
2018
- 2018-08-20 CN CN201810952878.3A patent/CN109212033B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0124442A2 (fr) * | 1983-04-29 | 1984-11-07 | Commissariat A L'energie Atomique | Procédé et dispositif d'holographie acoustique utilisant un faisceau ultrasonore limité dans l'espace |
EP0352117A2 (en) * | 1988-07-22 | 1990-01-24 | Akademiet For De Tekniske Videnskaber, Svejsecentralen | Method of analysing and evaluating the results of an ultrasonic examination |
US20050183505A1 (en) * | 2004-02-23 | 2005-08-25 | Naoyuki Kono | Ultrasonic flaw detecting method and ultrasonic flaw detector |
JP2007179386A (ja) * | 2005-12-28 | 2007-07-12 | Fujitsu Ten Ltd | 白線認識方法及び白線認識装置 |
CN2927051Y (zh) * | 2006-02-07 | 2007-07-25 | 哈尔滨工业大学 | 海洋平台结构超声相控阵检测成像装置 |
JP2009281731A (ja) * | 2008-05-19 | 2009-12-03 | Chubu Electric Power Co Inc | 長尺部材の欠陥評価方法及び長尺部材の欠陥評価装置 |
CN102099675A (zh) * | 2008-07-18 | 2011-06-15 | 国立大学法人东北大学 | 结构缺陷的成像方法、结构缺陷的成像装置、气泡或损害部位的成像方法以及气泡或损害部位的成像装置 |
CN101692070A (zh) * | 2009-10-16 | 2010-04-07 | 中国电子科技集团公司第四十五研究所 | 超声扫描显微镜b扫描图像的构建方法 |
CN102393422A (zh) * | 2011-08-22 | 2012-03-28 | 江苏省产品质量监督检验研究院 | 基于超声tofd的缺陷离线判别方法 |
CN202453330U (zh) * | 2011-12-13 | 2012-09-26 | 福建省电力有限公司电力科学研究院 | 管道超声波检测对比试块 |
CN103033567A (zh) * | 2012-12-31 | 2013-04-10 | 江苏大学 | 一种基于导波的管道缺陷信号识别方法 |
CN103926311A (zh) * | 2013-01-15 | 2014-07-16 | 宝山钢铁股份有限公司 | 轧辊表层显微开裂超声检测方法 |
WO2015001624A1 (ja) * | 2013-07-03 | 2015-01-08 | 株式会社 日立製作所 | 超音波探傷方法、超音波探傷装置ならびにパネル構造体の溶接部検査方法 |
CN104535652A (zh) * | 2015-01-15 | 2015-04-22 | 无锡北斗星通信息科技有限公司 | 一种钢轨损伤探测方法 |
CN104764804A (zh) * | 2015-03-16 | 2015-07-08 | 西安交通大学 | 超声Lamb波局部循环扫描概率重构层析成像方法 |
CN104865277A (zh) * | 2015-05-11 | 2015-08-26 | 四川大学 | 基于双壁双投影透照图像的管焊缝缺陷自动识别的方法 |
CN104931585A (zh) * | 2015-05-29 | 2015-09-23 | 湖北三江航天江北机械工程有限公司 | 复合材料脱粘缺陷超声波c扫描检测面积评定方法 |
CN104990980A (zh) * | 2015-06-19 | 2015-10-21 | 西安理工大学 | 一种基于超声导波的钢轨损伤判断方法 |
CN105160359A (zh) * | 2015-09-17 | 2015-12-16 | 华南理工大学 | 一种基于超声导波的复杂结构损伤协同识别方法 |
CN107677729A (zh) * | 2017-10-24 | 2018-02-09 | 中国铁路总公司 | 铁路钢轨探伤系统 |
Non-Patent Citations (5)
Title |
---|
HUI ZHANG等: "Automatic Visual Detection System of Railway Surface Defects With Curvature Filter and Improved Gaussian Mixture Model", 《IEEE》 * |
李伟等: "二维超声振动辅助线切割机理与试验研究", 《浙江工业大学学报》 * |
闵永智等: "基于图像灰度梯度特征的钢轨表面缺陷检测", 《仪器仪表学报》 * |
黄祖泽等: "《钢轨探伤剂防断知识》", 31 August 2015 * |
黄筱妍等: "超声波钢轨探伤车B显数据伤损模式分类技术研究", 《中国铁路》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109828026A (zh) * | 2019-02-13 | 2019-05-31 | 汕头大学 | 一种高速轨道缺陷并行超声波成像检测及其智能学习方法 |
CN109828026B (zh) * | 2019-02-13 | 2021-09-10 | 汕头大学 | 一种高速轨道缺陷并行超声波成像检测及其智能学习方法 |
CN110047070A (zh) * | 2019-04-22 | 2019-07-23 | 山东师范大学 | 一种轨道磨损程度的识别方法及系统 |
CN110047070B (zh) * | 2019-04-22 | 2021-01-08 | 山东师范大学 | 一种轨道磨损程度的识别方法及系统 |
CN110254451A (zh) * | 2019-07-01 | 2019-09-20 | 上海海事大学 | 一种单轨接触式轨道检测车 |
CN110254451B (zh) * | 2019-07-01 | 2024-06-07 | 上海海事大学 | 一种单轨接触式轨道检测车 |
Also Published As
Publication number | Publication date |
---|---|
CN109212033B (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109580657B (zh) | 一种桥梁质量检测中的裂缝检测方法 | |
CN109754368B (zh) | 一种桥梁质量检测中的裂缝拼接方法 | |
CN104101600B (zh) | 连铸坯断面微小裂纹检测方法 | |
CN109212033A (zh) | 一种高速轨道内部伤损的超声图像检测方法 | |
CN105719305B (zh) | 接触网中组件脱落缺陷识别方法及系统 | |
CN104964886A (zh) | 一种焊接构件疲劳应力及应变实时非接触式监测方法 | |
CN103149222A (zh) | 射线实时成像中缺陷检测方法 | |
CN111738985B (zh) | 一种焊缝轮廓视觉检测方法及系统 | |
CN116990310B (zh) | 一种基于数据分析的墙体混凝土裂缝监测预警系统 | |
CN104537651A (zh) | 一种路面图像中裂缝比例检测算法及系统 | |
WO2016169316A1 (zh) | 面向辐对称电缆切面绝缘层厚度的并行图像测量方法 | |
CN112697803A (zh) | 一种基于机器视觉的板带钢表面缺陷检测方法及装置 | |
CN103593668A (zh) | 一种金属板材冲压接头力学性能试验裂纹自动识别方法 | |
CN108508023B (zh) | 一种铁路接触网中接触端部顶紧螺栓的缺陷检测系统 | |
CN104112123A (zh) | 一种用于子弹表观缺陷检测的aoi系统的缺陷特征提取与识别方法 | |
CN113720914B (zh) | 超声波探伤系统及超声波探伤方法 | |
KR20100128501A (ko) | 철강공정 내부 크랙 및 중심편석 판정 방법 | |
CN116309598B (zh) | 一种基于机器视觉的钢连铸坯低倍组织裂纹智能评级方法 | |
CN104792873B (zh) | 一种钢锭内部缺陷的超声波b+c+d+s扫描识别方法 | |
CN107610094A (zh) | 基于椭球立体表征的裂缝三维检测方法 | |
CN115503788B (zh) | 一种有砟轨道道床断面扫描检测系统 | |
CN116645446A (zh) | 一种道路桥梁安全检测系统及检测方法 | |
CN110017777A (zh) | 一种钢丝绳捻距实时动态检测评估方法 | |
CN113240637B (zh) | 一种基于机器学习的墙面平整度信息化检测方法和系统 | |
CN115900578A (zh) | 一种基于压力容器设计的三维模型可视化系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |