重轨表面缺陷的自动检测,长期以来一直是期待解决的问题。尤其是热态重轨的在线检测更是关注的焦点。当前热态重轨表面缺陷多采用人工目测检测方法,该方法有劳动强度高、易漏检、检测质量得不到保障等缺点且检测精度和检测效率低。随着计算机软硬件技术的发展,以及图像处理、模式识别等智能技术的进步,以机器智能工作代替人工的需要越来越多。正是在此基础上,本文提出了基于机器视觉的热态重轨表面缺陷检测系统。系统具有非接触、现场抗干扰能力强、精度合适、不干扰生产过程等优点。本文首先介绍课题的研究背景,说明了当前热态重轨表面缺陷检测方法的不足,以及国内外机器视觉技术在表面缺陷检测领域中的应用;介绍了机器视觉的检测原理,并根据该检测原理,进行了系统总体方案设计,包括照明方式的设计、滤光片的选择以及相机、镜头和采集卡的选型,针对系统中图片数据大的问题,采用了磁盘阵列技术;介绍了重轨的形态特征,完成了离散图像采集单元的设计与安装布置,展示了各离散单元采集图片的效果;讨论了数字图像处理方法,介绍了针对热态重轨图片图像增强和图像分割的方法,研究了典型的阈值分割边缘提取算法,提出一种基于遗传算法(Genetic Algorithm,GA)和B样条函数修正的缺陷边缘提取方法,该方法能在高噪声背景下提取复杂缺陷边缘的近似封闭曲线,讨论了基于对比思想的缺陷识别方法在重轨表面质量控制中应用的可行性;系统软件采用了模块化设计方案,以Microsoft Visual C++6.0为开发平台,通过MatCOM与Matlab7.0接口进行编程,综合了VC和Matlab两种开发软件的优点,采用SQL Server 2005数据库技术,对系统信息、设备信息、图片数据进行有效管理;系统结合了Windows操作系统的多线程与多视图技术,实现了各功能模块并行处理模式,这种模式的运用既保障了系统数据采集的实时性,又可以现场进行各种操作,充分利用、发挥了Windows操作系统的优势,且具有良好的界面友好性。文章最后介绍了热态重轨表面缺陷检测系统的现场应用情况,验证了系统的可行性,同时总结了系统今后尚需完善的地方,为进一步的研究打下了良好的基础。