基于Matlab的道砟退化评估机器视觉算法实现
计算机视觉与模式识别
2018-04-25 v1
摘要
美国拥有庞大的铁路系统。截至2006年，美国货运铁路拥有140,490英里标准轨距运营里程，但维护如此庞大的系统并消除由铁路道砟退化引起的任何危险（如轨道稳定性降低和排水不良）需要大量人力。量化道砟退化的传统方法是通过道砟取样和筛分分析使用称为污染指数（FI）的指标。然而，在实验室确定FI值非常耗时费力，但借助计算机视觉领域的最新发展，可采用一种基于机器视觉的道砟检测系统的新方法，有望替代传统机械方法。该新机器视觉方法分析在用道砟图像，然后利用图像分割算法获取道砟片段。通过比较分割结果及其对应的FI值，这一新方法产生了一个与FI具有最佳拟合关系的基于机器视觉的指标。本报告讨论了该算法的实现细节。
引用
@article{arxiv.1804.08835,
title = {Matlab Implementation of Machine Vision Algorithm on Ballast Degradation Evaluation},
author = {Zixu Zhao},
journal= {arXiv preprint arXiv:1804.08835},
year = {2018}
}