本书面向轨道交通领域,深入地分析了机器视觉技术在轨道表面缺陷检测中的应用,详细论述了轨道表面缺陷视觉系统、成像原理、图像处理、缺陷检测等关键技术。 本书一方面论述相关的视觉检测理论与算法,另一方面结合实际检测需求提出改进与优化视觉检测算法,同时呈现几个
较完整的视觉检测算法设计及其方法。本书重点探讨了视觉系统的功能、研究成果;然后分析了视觉检测技术的概念、应用现状和涉及的图像处理方法;最后论述了视觉检测在各方面的应用机制及建模方法。

表面缺陷机器视觉 (machine vision) 检测方法是一种新的非接触无损检测方法, 应用于工业、 农业和国防领域中的热轧冷轧带钢、 印刷品、 集成电路芯片、 水果、 精密光学元件等产品的表面缺陷检测。 随着产品质量和生产速度的提高, 表面缺陷检测向精密、 高效、 智能和通用方向发展。 因此, 研究表面缺陷机器视觉检测技术的理论算法和工程应用具有重要意义。
钢轨表面缺陷机器视觉检测包括缺陷成像、 图像处理、 特征提取和模式识别过程。 本书就此过程中的系列关键技术展开研究, 研究的主要内容及创新成果有:
(1) 缺陷成像研究。 提出了提高缺陷成像质量的系统方法, 包括缺陷的光学成像机理分析、 成像分辨率分析、 照明方式的设计 (选型) 依据和成像质量评价方法。 研究了表面缺陷的类型及其粒子线度对照射光的散漫反射特性, 分析了成像计算模型; 研究了决定检测分辨率的 CCD 分辨率和光学镜头分辨率;研究了各种不同光源的物理特性及其对检测环境的适应性, 提出了根据待测表面粗糙度性质设计照明光路的设计原则; 提出了基于图像清晰度和 CCD 靶面照度影响因子的缺陷图像质量评价方法。 通过该系统方法可获得满足工程需要的缺陷图像。
(2) 针对 FCM 算法对初始点敏感, 及其容易陷入局部极小的弊端, 提出了基于 GA-PSO 混合优化 FCM 聚类算法, 并与 GA-FCM 聚类算法、 PSO-FCM 聚类算法进行了比较, 实验结果表明, GA-PSO-FCM 算法在一定程度上可以克服FCM 聚类算法对初始点敏感的问题, 而且兼具全局搜索能力与局部搜索能力,比较适合用于重轨表面缺陷的分类; 提出了过暗过曝区域交叠融合法和像素线线间相关度互校验法两种方法相综合对重轨图像缺陷进行提取。 实验结果表明,这两种算法相结合对重轨缺陷检测和识别效果较好, 可以同时对重轨表面的多种类型的缺陷进行检测, 适用性很广; 设计出钢轨缺陷智能识别系统, 将图像分割与改进的 YOLOv4 网络融合在一起, 使本系统在检测性能和实时性方面都取得了很好的效果, 更适合执行钢轨表面伤损检测任务。
(3) 工程应用研究。 在重轨表面缺陷检测工程实例中, 验证了以上研究的图像采集、 图像处理、 特征参数提取和多分类模式识别等关键技术内容。 实验结果表明, 本文提出的一系列关键技术, 适用于钢材, 光学元件等材料表面进行缺陷视觉检测。
本书一方面论述相关的视觉检测理论与算法, 另一方面给出一些结合实际检测需求所提出的改进与优化视觉检测算法, 同时呈现几个较完整的视觉检测算法设计及其方法。 重点探讨了视觉系统的功能、 研究成果; 然后分析了视觉检测技术的概念、 应用现状和涉及的图像处理方法; 最后论述了视觉检测在各方面的应用机制及建模方法。 本书对本领域研究人员和科技工程人员均有一定
的借鉴意义。
撰写本书过程中, 参考和借鉴了一些知名学者和专家的观点及论著, 在此向他们表示深深的感谢。 由于水平和时间所限, 书中难免出现疏漏之处, 希望各位读者和专家能够提出宝贵意见, 以待进一步修改, 使之更加完善。

第 1 章 轨道表面缺陷检测概述 …………………………………………………………………… 1
1. 1 研究背景 …………………………………………………………………………………… 1
1. 2 研究目的 …………………………………………………………………………………… 4
1. 3 缺陷检测技术的发展历程 ………………………………………………………………… 6
1. 4 检测方法的国内外研究现状 …………………………………………………………… 10
第 2 章 缺陷视觉检测系统设计…………………………………………………………………… 16
2. 1 重轨几何特征及表面缺陷 ……………………………………………………………… 16
2. 2 重轨表面缺陷的散射模型 ……………………………………………………………… 20
2. 3 系统工作原理及组成 …………………………………………………………………… 26
2. 4 系统硬件设计 …………………………………………………………………………… 27
2. 5 系统软件设计 …………………………………………………………………………… 30
2. 6 图像采集系统参数分析 ………………………………………………………………… 31
2. 7 图像采集装置组件的调节 ……………………………………………………………… 40
2. 8 表面缺陷的检测分辨率分析 …………………………………………………………… 43
2. 9 热态重轨表面精密图像的获取 ………………………………………………………… 44
2. 10 图像采集案例 …………………………………………………………………………… 51
第 3 章 轨道图像的处理分析……………………………………………………………………… 55
3. 1 重轨振动影响分析 ……………………………………………………………………… 55
3. 2 重轨表面光照不均校正 ………………………………………………………………… 62
3. 3 轨道缺陷分割算法设计 ………………………………………………………………… 72
3. 4 轨道表面缺陷分割的应用 ……………………………………………………………… 80
第 4 章 聚类算法在轨道缺陷检测的应用………………………………………………………… 83
4. 1 重轨表面缺陷的特征参数描述 ………………………………………………………… 83
4. 2 重轨缺陷特征参数组合优化 …………………………………………………………… 92
4. 3 基于 GA-PSO 混合优化的 FCM 聚类算法研究 ………………………………………… 96
4. 4 实验结果与分析 ………………………………………………………………………… 101
第 5 章 深度学习算法在轨道缺陷检测的应用 ………………………………………………… 103
5. 1 基于改进 YOLOv4 的轨道缺陷识别网络 ……………………………………………… 103
5. 2 轨道缺陷识别系统实验与分析 ………………………………………………………… 108
第 6 章 像素相关度互校验法在轨道缺陷检测的应用 ………………………………………… 115
6. 1 灰度化 …………………………………………………………………………………… 115
6. 2 重轨图像背景区域 ……………………………………………………………………… 116
6. 3 图像噪声分析 …………………………………………………………………………… 121
6. 4 像素线线间相关度互校验法在缺陷检测中的应用 …………………………………… 132
第 7 章 结语 ……………………………………………………………………………………… 135
7. 1 主要创新点 ……………………………………………………………………………… 135
7. 2 展望 ……………………………………………………………………………………… 136
参考文献 …………………………………………………………………………………………… 137？

米曾真，男，重庆理工大学，副教授，硕士生导师，测控技术与仪器系系主任，中国仪器仪表学会会员。
（1）教学经历：
2012.12-至今 重庆理工大学 测控技术与仪器专业教师
2017年，被评为副教授，2019年，担任测控技术与仪器系副系主任，2022年，担任测控技术与仪器系系主任
（2）学习经历：
2009.12-2012.11 重庆大学 机械工程学院 机械电子工程 博士研究生
2007.09-2009.11 重庆大学 机械工程学院 机械电子工程 硕士研究生
（3）科研成果
主持国家自然科学基金项目1项，主持省部级基金项目4项，主持重庆市教改课题2项（含重点项目1项），重庆市一流课程1门。以第1作者身份在国内外重要刊物如电子学报、光学精密工程、计量学报、Optik、METAL INT、Frontiers in Neurorobotics等高水平论文发表20余篇；授权专利10余项，软件著作权若干项。

本书可作为仪器科学与技术、测控技术与仪器、自动化等相关学科专业的本科生、研究生、科研人员、工程技术人员的参考书。