[发明专利]一种基于钢轨光带图像的钢轨磨耗检测方法

说明书

本发明涉及钢轨磨耗检测技术领域，具体地说，涉及一种基于钢轨光带图像的钢轨磨耗检测方法，其包括以下步骤：一、采集钢轨光带图像和磨耗数据；二、划分数据集，标注钢轨光带图像，并进行MaskR‑CNN训练；三、根据提取的钢轨光带图像与相对应的磨耗分类训练深度学习模型；四、将训练得到的模型对钢轨磨耗进行检测。本发明测量结果稳定，具有很强的鲁棒性。

技术领域

本发明涉及钢轨磨耗检测技术领域，具体地说，涉及一种基于钢轨光带图像的钢轨磨耗检测方法。

背景技术

随着铁路运营的里程、速度、密度不断增加,对钢轨的检磨耗测要求进一步提高。列车在钢轨上行驶时，会与钢轨相互作用产生磨耗，尤其是小曲线半径尤为明显。为了铁路更加安全，快速的行驶，需要对钢轨磨耗及时检测与养护维修。传统方法采取钢尺、miniprof等接触式测量手段，虽然测量结果准确，但是效率较低，已不能适应铁路运维量大的特点；已有的钢轨磨耗检测的专利中，主要基于CCD相机与激光的组合测量系统，但是这种方法受列车振动、环境光照等影响较大，无法发挥实验中的理想效果。

发明内容

本发明的内容是提供一种基于钢轨光带图像的钢轨磨耗检测方法，其能够克服现有技术的某种或某些缺陷。

根据本发明的一种基于钢轨光带图像的钢轨磨耗检测方法，其包括以下步骤：

一、采集钢轨光带图像和磨耗数据；

二、划分数据集，标注钢轨光带图像，并进行MaskR-CNN训练；

三、根据提取的钢轨光带图像与相对应的磨耗分类训练深度学习模型；

四、将训练得到的模型对钢轨磨耗进行检测。

作为优选，步骤一中，采集方法采用关键点与采样点结合的方式布设测点，通过间隔一定距离情况下的在钢轨重点区段，然后对每一个位置在横向、纵向以及垂向拍摄图像。

作为优选，在直线单元布设测点：长度小于100米时不采集，100米至500且不包含100米时米采集1个测点，500米至1000米且不包含500米时采集2个测点，以此类推，每增加500米增加一个测点，各测点间应均匀分布；

在曲线单元布设测点：每条曲线测点不少于5个，即直缓ZH、缓圆HY、曲中QZ、圆缓YH和缓直HZ，当圆曲线长度为500米至1000米且不包含500米时，在圆曲线采集2个测点，以此类推，圆曲线长度每增加500米增加一个测点，圆曲线区段各测点间应均匀分布。

作为优选，步骤二中，标注钢轨光带图像的方法为：使用labelme软件来对钢轨图像进行手动标注即画出的钢轨光带边界。

作为优选，步骤二中，MaskR-CNN训练包括如下步骤：ResNet-FPN作为RPN输入的feature map是[P2,P3,P4,P5,P6]，通过下面公式来决定宽w和高h的ROI到底要从哪个P_k来切：

根据labelme标记的钢轨长宽比以及大小的统计结果，在生成的anchor的过程中设置多种长宽比和大小组合，RPN网络根据预测边界框与实际边界框的重叠率即交并比IOU的大小进行非极大值抑制，最后对钢轨光带图像进行分类、回归和生成掩膜。

作为优选，步骤三中，将focalloss作为损失函数预测磨耗类别：

本发明相比于现场使用的钢尺、miniprof接触测量法，更加智能、快捷、准确；相比于强调光场的稳定性的钢轨轮廓连续测量方法不强调稳定、光照以及拍摄角度，能适应各种条件变化，测量结果稳定，具有很强的鲁棒性，这对钢轨磨耗的准确快速识别起到至关重要的作用。

附图说明

图1为实施例1中一种基于钢轨光带图像的钢轨磨耗检测方法的流程图；