随着“一带一路”战略布局的不断推进,我国轨道交通行业迅猛发展,铁路年货运量和客运量不断增长,列车的安全行驶与国计民生息息相关。列车轮对是列车走行部中非常重要的部分,其工作状态会影响到列车的平稳性和安全性。目前,轮对状态的检测多采用人工检测和光电测量法。这些方法需要在列车停运时进行,费时繁琐,实时性差,极易造成安全隐患。因此,实现轮对踏面擦伤的实时检测十分必要。本文采用图像处理和神经网络模式识别结合的方法,设计了一套轮对擦伤在线检测装置,实现轮对擦伤的在线检测和预警。主要的研究内容如下:1.图像采集硬件系统。本文选用STM32F407单片机作为控制芯片,提升采集系统的处理速度和鲁棒性。摄像头采用高分辨率COMS镜头,使用张正有标定法进行标定。单片机通过接收外部触发启动图像采集。系统采用高速以太网传输,保证多套采集系统的实时性和并发性。2.踏面图像处理的算法和流程。为了提高系统处理速度,首先对采集到的图像进行灰度化;采用露西-理查德森算法对图像进行复原,去除运动模糊;采用高斯滤波法,去除图像中包含高斯和椒盐噪声;最后选取灰度变换法对图像进行光照补偿,完成图像的预处理。本文对比了四种边缘检测算子,采用Canny算子进行边缘检测并拟合出轮对边缘,提取出踏面部分。最后使用灰度共生矩阵来提取出踏面图像纹理特征。3.改进GA-BP神经网络的模式识别器。将提取的踏面图像纹理特征输入到BP神经网络模式识别器中进行有监督的学习,输出的分类结果作为定位擦伤的判据。本文将遗传算法和BP神经网络结合,使用改进后的GA-BP神经网络进行模式识别,提高网络的识别率和稳定性。结果表明,优化后的神经网络识别率可以高达百分之八十以上,高于用传统BP神经网络算法的结果。4.踏面检测在线软件系统。软件部分采用Labview和MATLAB混合编程,设计出友好的人机交互界面。前者实现硬件采集系统的控制,后者完成图像处理算法及神经网络模式识别。检测时输入已经采集到的踏面图像,就可以实现踏面擦伤区域的自动识别并显示在界面上,同时计算擦伤区域的面积并进行分级预警。系统还实现了将同一车轮的多幅踏面图像进行拼接,显示出整个踏面的擦伤情况。