我国铁路运输的快速发展对钢轨养护修复技术提出了巨大挑战,而激光淬火技术可以对钢轨表面进行强化,延长铁路使用寿命,提高铁路运行安全性。为了促进钢轨激光淬火技术的工业化应用,本课题组设计了一套集测量、加工、检测于一体的钢轨激光飞行淬火加工设备,本文主要对其中的钢轨激光淬火质量智能检测系统进行重点研究。具体内容如下:(1)设计搭建了钢轨激光淬火质量智能检测系统。在硬件方面,基于钢轨表面激光淬火区域特征,对机器视觉检测系统的照明光源、相机、镜头进行了选型与设计。在软件方面,采用Visual Studio 2010和MFC框架进行软件界面开发,基于维视CCD相机SDK开发包和OpenCV视觉库,设计图像算法,构建了针对钢轨激光淬火图像智能检测的软件结构。(2)深入研究了钢轨表面淬火图像预处理算法。首先对钢轨淬火图像进行区域定位与灰度化处理,有效去除图像中非钢轨区域,以提升处理速度;接着分析比较均值滤波、高斯滤波、中值滤波这三种滤波算法,选择5×5中值滤波模板达到“保边去噪”效果;再使用直方图均衡化方法增强图像明暗对比度;然后采用邻域大小为31×31的局部均值自适应阈值法,实现钢轨背景区域与淬火斑目标区域的准确分割;最后结合形态学闭运算,通过先膨胀后腐蚀,消除图像微细噪声,得到目标特征边界平滑的钢轨淬火表面二值图像。(3)深入研究了钢轨表面激光淬火斑特征提取算法。首先提出一种结合Canny算子的淬火斑轮廓阈值选取算法,完成钢轨二值图像边缘检测的同时,准确提取出淬火斑轮廓与图像,并计算淬火斑面积、周长、圆度、质心位置等形状特征参数,实现淬火斑准确定位。然后使用灰度共生矩阵方法分析淬火斑灰度与纹理特征,得到能量、随机熵、对比度等纹理表征参数。随后针对三种不同能量层级的激光淬火斑进行特征提取实验,分析提取各类淬火斑特征参数,构建起钢轨激光淬火斑特征信息库。(4)进一步研究了钢轨表面激光淬火斑智能分类算法。选用CART决策树模型,采用淬火斑特征信息库中的形状、纹理、灰度等八个特征参数构成数据样本集进行训练,模型分类综合准确率为96.7%。选用线性核函数构建支持向量机(SVM)模型,并采用淬火斑特征信息库中的图像特征作为图像样本集,训练得到惩罚因子为0.1的SVM模型,其分类综合准确率为98.7%。