台车运行中台车轮表面容易出现裂纹和轮缘缺损,这两类缺陷具有数量、形状、位置等不确定性。目前针对台车轮表面缺陷巡检主要依靠人工检测,但这种检测方法的效率低、准确度低、容易漏检,难以满足工业智能化和智慧制造的要求。为了解决上述检测存在的问题,本文基于机器视觉检测技术,研究在线的台车轮踏面缺陷检测系统,实现对台车轮踏面的缺陷检测与分类。本文主要研究内容如下:1.根据台车轮表面缺陷检测的需求和实际的工况要求,对图像采集系统的工业相机、光学镜头和补光灯选型。针对台车轮图像检测结果的显示,设计出静态的历史监控图像区域和实时监控图像区域,并有相关的检测数据,为后续的图像识别与分类提供数据支持。2.图像处理和缺陷检测。首先对图像预处理,目的是消除图像噪声和增强图像轮廓信息的对比度。然后采用迭代算法对台车轮图像分割。最后对台车轮表面区域和潜在缺陷区域提取,台车轮面区域提取是基于形态学和Hough圆变换方法,潜在缺陷区域提取采用改进的基于信息熵加权的HOG特征提取算法。图像缺陷区域算法的选择和改进的依据是能否在有效提取区域特征前提下并减少计算量。台车轮踏面缺陷有裂纹类和轮缘缺损类两类缺陷,但潜在缺陷区域不仅包括上述两类缺陷区域还包括伪缺陷区域。针对缺陷特征构造潜在缺陷区域的特征描述,首先采用几何特征、纹理特征和位置特征用于随机森林算法模型的训练;然后对潜在缺陷区域进行真实缺陷检测,识别缺陷类型。3.缺陷检测系统设计和实验分析。根据台车轮表面缺陷检测的标准和要求设计出检测系统的总体方案。在实验平台对检测系统进行实验验证,检验算法的准确性和有效性。实验结果表明,系统能够获取满足检测要求的台车轮表面图像,检测算法部分的缺陷检测准确率高于97%,缺陷类型的检测准确率达到90%以上。所提出的检测方法可以有效地解决台车轮表面缺陷的检测问题,检测准确率达到工业生产要求。