[发明专利]一种列车的车轮踏面缺陷检测方法及其系统

说明书

本发明公开了一种列车的车轮踏面缺陷检测方法及其系统，包括：采集车轮踏面的二维图像数据；构建用于提取缺陷区域的神经网络模型；将所述二维图像数据输入所述神经网络模型；所述神经网络模型将所述二维图像数据分割为多类图像区域；基于多类所述图像区域提取多个缺陷区域信息并生成检测报告。本发明通过语义分割网络针对频繁出现缺陷的区域进行精准的划分，降低图像背景干扰后，能够通过目标检测模型准确的提取缺陷区域信息及缺陷类型，提高缺陷检测准确率且降低了检测结果的漏报率和误报率，解决了传统的车轮踏面缺陷检测方法存在的检测结果可靠性低的问题。

技术领域

本发明涉及轨道车辆检测技术领域，具体涉及一种列车的车轮踏面缺陷检测方法及其系统。

背景技术

列车车轮是关系到列车运行安全的关键部分，它把车辆的载荷传给钢轨，并在钢轨上转动来完成列车的运行，是列车运行的最终受力部件。轮对踏面是列车车轮与钢轨顶面接触的部分，轮对踏面的完好性是行车安全性的重要因素，在运行过程中，车轮踏面会出现磨耗超限、踏面擦伤、剥离、磕伤等轮辋表面缺陷等质量问题，这些问题可能会直接导致脱轨事故的发生，影响动车组运行安全。鉴于此，需要对列车车轮踏面进行日常动态检测，保障列车运行安全。

传统的国内外针对车轮踏面缺陷检测方法，仍采用传统图像方案，对滤波后的车轮图像,首先利用缺陷区域与非缺陷区域之间的灰度差对缺陷区域进行粗提取,然后利用缺陷形状规则、边缘特征明显等特点,采用分割方案将缺陷最小外接矩形提取出来。最后建立正、负缺陷样本集，采用SVM分类器对提取出来的缺陷图像进行分类。但是，传统的缺陷检测方法依赖图像拍摄质量，当背景信息极其丰富的情况下，人为设定的方案容易受到背景信息的干扰。造成误报警多、检测失真情况。

综上所述，现有的车轮踏面缺陷检测方法存在检测结果可靠性低的问题。

发明内容

有鉴于此，本发明提供一种列车的车轮踏面缺陷检测方法及其系统，通过改进车轮踏面缺陷检测方法及检测数据的处理方法，解决了传统的车轮踏面缺陷检测方法存在的检测结果可靠性低的问题。

为解决以上问题，本发明的技术方案为采用一种列车的车轮踏面缺陷检测方法，包括：采集车轮踏面的二维图像数据；构建用于提取缺陷区域的神经网络模型；将所述二维图像数据输入所述神经网络模型；所述神经网络模型将所述二维图像数据分割为多类图像区域；基于多类所述图像区域提取多个缺陷区域信息并生成检测报告。

可选地，构建用于提取缺陷区域的神经网络模型，包括：构建初始化网络模型，其中，网络模型包括语义分割模型和目标检测模型；获取包含人工标记的缺陷特征区域的车轮踏面样本图像构成的训练数据集和测试数据集；基于所述训练数据集和所述测试数据集训练并测试所述网络模型。

可选地，所述神经网络模型将所述二维图像数据分割为多类图像区域，包括：所述语义分割模型基于所述二维图像数据进行下采样并生成多尺度的特征图；所述语义分割模型通过在高分辨率特征图主网络逐渐并行加入低分辨率特征图子网络，能够融合多个所述特征图并生成融合后的多类所述图像区域。

可选地，基于多类所述图像区域提取多个缺陷区域信息并生成检测报告，包括：所述目标检测模型基于所述多类所述图像区域输出多个缺陷检测框数据构成的所述缺陷区域信息，其中，所述缺陷检测框数据至少包括缺陷类型、置信度、检测框左上角坐标、检测框长度和检测框宽度。

可选地，所述语义分割模型为SegNet分割模型。

相应地，本发明提供，一种列车的车轮踏面缺陷检测系统，包括：数据采集单元，用于采集车轮踏面的二维图像数据；数据处理单元，用于构建用于提取缺陷区域的神经网络模型，所述神经网络模型将所述二维图像数据分割为多类图像区域，并基于多类所述图像区域提取多个缺陷区域信息并生成检测报告。

可选地，所述数据采集单元包括：光源组件，用于提供摄像单元所需的光照条件；所述摄像单元，用于采集所述二维图像数据。