随着时间的变迁,我国轨道交通行业得到了蓬勃发展。与此同时,轨道交通的安全运行也吸引了越来越多的关注。由于经常处在相对恶劣的工作条件和环境中,轮对表面容易产生剥离、擦伤、磨损等损伤,所以必须定期对列车轮对进行检测,以确保列车的安全稳定运行以及防止重大列车事件的发生。最初针对列车轮对踏面的检测是人工手动测量,这种测量方法的缺点是效率低,且人工检测精度存在不统一的情况。随着机器视觉的不断发展,图像处理技术逐渐应用于踏面磨损检测领域。在此基础上,本文提出一种针对踏面轮廓图的检测方法,具体内容如下:首先,在低速运行的列车轮对两侧分别放置一个一字线激光源和一个CCD相机,激光照射到轮对踏面时,会在轮对表面形成一条反映轮对信息的轮廓图。当轮对运行时,使用CCD相机采集足够多的轮廓图。然后,对采集到的踏面轮廓图进行处理得到踏面的参数信息。使用灰度化、滤波、边缘检测等方法对踏面轮廓图进行预处理,通过相机标定法得到内参、外参以及畸变系数,进而得到踏面参数。接下来,对踏面轮廓图中的磨损区域进行识别。对预处理后的图像进行边缘拟合,去掉无关的背景信息;通过FCN三种模型对采集到的图像进行训练,根据模型的损失函数以及MIo U值可以得出FCN-8S模型的检测效果最好,且与FCN-16S、FCN-32S相比,FCN-8S模型对于点状磨损区域的识别更加精确。最后,本文设计了一种基于轮对踏面检测的系统,将实验中用到的图像处理方法以及对识别踏面磨损区域的模型应用于系统。采用Pyqt5编写实时检测界面,踏面预处理与踏面识别均通过Python软件编写。本文通过比较各种图形处理方法的效果图,选取了最适用于本系统的图像预处理方法。由于轮廓图为一条曲线,所以本文采用了语义分割模型,达到对图像像素级的识别,而三种模型中,又选取了识别效果最佳的FCN-8S模型,保证了系统的精确性。