钢轨支撑着列车并引导列车的运行方向,其安全状态直接影响列车的安全运行。随着我国现代化铁路事业的发展,运营里程、运行速度、运行密度大幅提高,对钢轨安全检测提出更高频次、更高速度的要求。如何准确高效地对运营中的钢轨进行高速无损检测变得越发重要。本文设计了钢轨表面缺陷自动检测系统,研究了基于机器视觉的钢轨表面缺陷检测方法。主要包括以下几个方面。1.设计并实现了高速高精度钢轨表面缺陷检测系统硬件方案。基于目前行频最快的高速高精度线阵摄像机DalsaPiranha4 4K,设计了高速大容量图像成像、采集和存储子系统。设计了大功率LED照明子系统,解决高速采集时的曝光问题,进行了 LED光色的频谱分析。设计了同步触发子系统,使采集系统能够在不同速度下获得统一稳定的成像质量。利用高速转轮实验平台对该硬件方案进行了整体性能验证,实测可在160km/h速度下进行0.22mm/pixel精度的图像采集,据理论推算可以实现360km/h速度下0.5mm/pixel精度的图像采集。设计和实现了钢轨表面缺陷检测实验车,在北京铁路局进行了现场实验,采集了清晰的钢轨图像。2.针对所采集的图像设计了钢轨表面缺陷检测算法。设计了基于LSD算法的钢轨表面区域定位方法,可准确定位出图像中的钢轨边界,有效排除非轨面区域的各类干扰。设计了基于OTSU算法的轨面轮廓细化方法,可将钢轨边界细化为约像素级尺度的精细轮廓,并给出基于轨面轮廓的损伤检测方法,可以有效测量轨宽、轨向、轨距等几何信息,检测肥边掉块和严重磨耗等损伤。给出了基于MSER的钢轨表面擦伤检测方法,能够快速提取轨面擦伤信息。本论文的钢轨表面缺陷检测系统的设计和研究为进一步实现车载在线检测系统奠定了基础。