CN112733709A

CN112733709A - 轨道巡检检测系统及方法

Info

Publication number: CN112733709A
Application number: CN202110023146.8A
Authority: CN
Inventors: 张渝; 王祯; 赵波; 彭建平; 王小伟; 王楠; 黄炜; 胡继东; 章祥; 蔡义
Original assignee: Beijing Lead Time Science & Technology Co ltd
Current assignee: Beijing Lead Time Science & Technology Co ltd
Priority date: 2021-01-08
Filing date: 2021-01-08
Publication date: 2021-04-30

Abstract

本发明属于轨道巡检检测技术领域，公开了一种轨道巡检检测系统，包括服务器；还包括第一图像采集单元、第二图像采集单元、第三图像采集单元和数据处理单元；所述数据处理单元基于图像信息进行异常检测，并对轨道种类进行识别；所述数据处理单元包括第一神经网络单元和第二神经网络单元，所述第一神经网络单元用于提取轨枕与轨面的病害数据，所述第二神经网络单元用于提取扣件的缺陷数据。本发明通过对轨道区域进行快速的实时采集，采用深度学习算法，实现对采集到的轨道局部区域进行异常检测和轨道种类识别，以此提高巡检效率和检测精度。本发明还公开了一种轨道巡检检测方法。

Description

轨道巡检检测系统及方法

技术领域

本发明属于轨道巡检检测技术领域，尤其涉及一种轨道巡检检测系统及方法。

背景技术

随着我国高速铁路的不断发展，由于行车速度快、车流密度大等因素，对轨道造成的病害激增，因此及时发现轨道病害并进行维护是保障铁路运行安全的重中之重。

目前的巡检系统包括动态检测和静态检测。动态检测通过在专用的检测列车上安装图像采集设备，记录线路的外观状态，并设计相应的模式识别系统来分析和处理记录的图像，以发现线路缺陷。其利用可见光视觉成像技术，采用工业相机和辅助照明光源相配合，通过等间距运动扫描的方式，以可视化2D图像记录轨道设备的外观状态，主要针对轨道存在的钢轨表面擦伤、扣件异常、轨枕掉块、轨道板裂纹及线路有异物等现象进行检测。静态检测则是需要巡道工进行人工巡检，通过人眼对轨道状态进行检查。

对于动态巡检来说，其主要基于传统的图像处理算法，这种方式的鲁棒性较低，检出率不高，并且检出精度有限。另外，现有的动态检测系统多使用面阵相机，在高速情况下会造成明显的运动模糊，这也直接影响了算法的检测性能。

对于静态巡检来说，由于需要通过巡道工进行人眼辨识，因此静态检测速度较慢，检测效率较低。

发明内容

为了解决上述问题，本发明公开了一种轨道巡检检测系统，通过对轨道区域进行快速的实时采集，采用深度学习算法，实现对采集到的轨道局部区域进行异常检测和轨道种类识别，以此提高巡检效率和检测精度。基于该系统，本发明还公开了一种轨道巡检检测方法。本发明的具体技术方案如下：

轨道巡检检测系统，包括服务器；还包括：

第一图像采集单元，用于采集轨道的左轨图像；

第二图像采集单元，用于采集轨道的道床图像；

第三图像采集单元，用于采集轨道的右轨图像；

数据处理单元，基于图像信息进行异常检测，并对轨道种类进行识别；

其中，所述数据处理单元包括第一神经网络单元和第二神经网络单元，所述第一神经网络单元用于提取轨枕与轨面的病害数据，所述第二神经网络单元用于提取扣件的缺陷数据。

优选的，所述第一神经网络单元通过获取由多张轨道照片构成的数据集并对每张所述轨道照片的轨枕与轨面的病害部位进行标注，生成由多张包含病害部位标记的轨道照片构成的第一训练样本集和第一训练集；

并基于所述第一训练样本集和所述第一测试集，使用YOLOV3网络模型进行训练并验证，生成用于提取轨枕与轨面的病害图像的第一检测模型；

将所述图像信息输入所述第一神经网络单元，基于所述第一检测模型获取病害部位提取框并提取轨枕与轨面的病害的区域图像；

基于所述轨枕与轨面的病害的区域图像提取所述轨枕与轨面的病害数据。

优选的，所述第二神经网络单元通过获取由多张轨道照片构成的数据集并对每张所述轨道照片的扣件的缺陷部位以及轨枕区域进行标注，生成由多张包含缺陷部位标记以及轨枕区域标记的轨道照片构成的第二训练样本集和第二训练集；

并基于所述第二训练样本集和所述第二测试集，使用YOLOV3网络模型进行训练并验证，生成用于提取扣件的缺陷部位图像和轨枕区域图像的第二检测模型；

将所述图像信息输入所述第二神经网络单元，基于所述第二检测模型获取扣件缺陷部位提取框及轨枕区域提取框，并提取扣件缺陷部位的区域图像和轨枕区域图像；

基于所述扣件缺陷部位的区域图像提取所述扣件的缺陷数据。

优选的，所述数据处理单元还包括道岔识别单元，所述道岔识别单元基于所述第二神经网络单元输出的所述轨枕区域图像，利用直线段检测算法计算所述轨道的种类。

优选的，还包括：

第一视频采集单元，设置于第一图像采集单元和第二图像采集单元之间；

第二视频采集单元，设置于第二图像采集单元和第三图像采集单元之间；

其中，所述第一视频采集单元和第二视频采集单元分别进行视频拍摄，将实时画面传递至服务器。

优选的，还包括触发单元，用于接收服务器的触发信号，并将触发信号传递至三个图像采集单元。

优选的，三个图像采集单元分别包括：

至少一个相机模块，相机模块与触发单元连接；

为相机模块提供光源的补光模块，所述补光模块与触发单元连接。

优选的，还包括存储单元，用于将三个图像采集单元拍摄的图像信息保存至本地；所述数据处理单元通过存储单元获取图像信息。

轨道巡检检测方法，包括：

采集轨道的左轨图像、道床图像和右轨图像，获得图像信息；

对图像信息进行检测，提取轨枕与轨面的病害数据，以及扣件的缺陷数据；

对图像信息进行检测，提取轨枕区域图像；

基于轨枕区域图像，判断轨道的种类。

优选的，还包括：

采集轨道的动态视频；

将动态视频实时同步至服务器。

和现有技术相比，本发明公开的检测系统及方法，将照片采集和视频采集相结合，利用YOLOV3网络模型实现了轨道病害数据和缺陷数据的准确提取，从而对轨道常见病害进行综合检测；此外，本发明实现了轨道种类的识别，有效区别了检测系统的检测场景，从而获得更加准确的检测结果。

附图说明

图1为本发明实施例的设备布置示意图；

图2为本发明实施例中任意一个图像采集单元的示意图；

图3为本发明实施例中病害数据、扣件的缺陷数据和轨道种类识别的结果获取流程示意图；

图4为本发明实施例中检测方法的流程示意图。

图中：1-轨道；2-服务器；3-第一图像采集单元；301-相机模块；302-补光模块；4-第二图像采集单元；5-第三图像采集单元；6-数据处理单元；7-第一视频采集单元；8-第二视频采集单元；9-触发单元；10-存储单元。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面结合具体实施方式对本发明作进一步的详细说明。

如图1所示，轨道巡检检测系统，包括服务器2；还包括第一图像采集单元3、第二图像采集单元4、第三图像采集单元5和数据处理单元6；所述第一图像采集单元3用于采集轨道1的左轨图像，所述第二图像采集单元4用于采集轨道1的道床图像，所述第三图像采集单元5用于采集轨道1的右轨图像；所述数据处理单元6基于图像信息进行异常检测，并对轨道1种类进行识别；所述数据处理单元6包括第一神经网络单元和第二神经网络单元，所述第一神经网络单元用于提取轨枕与轨面的病害数据，所述第二神经网络单元用于提取扣件的缺陷数据。

本实施例设置于最高时速20Km/h的巡检小车，由此避免动态巡检依托于大型巡检车，使得检测的成本降低，实现巡检作业日常化；在本实施例中，三个图像采集单元覆盖2.5m轨道1宽度；所述巡检小车具有巡检梁，所述第一图像采集单元3安装于巡检梁左侧，所述第二图像采集单元4安装于巡检梁中部，所述第三图像采集单元5安装于巡检梁右侧；在本实施例中，巡检梁设置于巡检小车的前方。

在本实施例中，所述第一图像采集单元3拍摄轨道1右轨，主要用于轨道1种类的识别，以及左轨的轨面病害、扣件及所处轨枕裂缝检测，同时能够对轨道1异物进行监测；所述第二图像采集单元4拍摄左轨和右轨之间的道床，主要用于道床异物，及轨枕裂缝检测；所述第三图像采集单元5拍摄轨道1左轨，主要用于轨道1种类的识别，以及右轨的轨面病害、扣件及所处轨枕裂缝检测，同时能够对轨道1异物进行监测；由此，所述第一图像采集单元3位于左轨正上方，所述第二图像采集单元4位于道床中部正上方，所述第三图像采集单元5位于右轨正上方。

对于扣件的检测来说，由于扣件的基数较大，因此，在本实施例中，采用直接检测负例的策略，以提高算法的召回率。

需要说明的是，在本实施例中，所述轨道1种类的识别指的是轨道1的道岔段和直线段的识别。此外，当数据处理单元6获得最终结果的数据后，将该数据反馈至服务器2，由此便于工作人员查看，也可使工作人员打印检测报告。

如图3所示，为了更好的使用本实施例，所述第一神经网络单元通过获取由多张轨道照片构成的数据集并对每张所述轨道照片的轨枕与轨面的病害部位进行标注，生成由多张包含病害部位标记的轨道照片构成的第一训练样本集和第一训练集；

所述第二神经网络单元通过获取由多张轨道照片构成的数据集并对每张所述轨道照片的扣件的缺陷部位以及轨枕区域进行标注，生成由多张包含缺陷部位标记以及轨枕区域标记的轨道照片构成的第二训练样本集和第二训练集；

所述数据处理单元6还包括道岔识别单元，所述道岔识别单元基于所述第二神经网络单元输出的所述轨枕区域图像，利用直线段检测算法计算所述轨道1的种类。

在本实施例中，所述病害数据至少包括轨枕破损和轨面缺陷，例如轨枕裂缝、轨面的剖落、波浪磨耗、轨缝异常等。所述缺陷数据至少包括扣件丢失、扣件变形、弹条丢失等。

基于所述第二神经单元的轨枕区域图像使得数据处理单元6能够对道岔段和直线段进行场景识别，从而道岔识别单元利用掩膜的方式提供相应区域，利用通过直线段检测算法最终判断上述区域为道岔段或直线段。

由此，本发明利用深度学习的方法辅助传统直线段检测算法，为检测系统提供了更准确的轨道1种类识别结果。

为了更好的使用本实施例，还包括第一视频采集单元7和第二视频采集单元8；所述第一视频采集单元7设置于第一图像采集单元3和第二图像采集单元4之间；所述第二视频采集单元8设置于第二图像采集单元4和第三图像采集单元5之间；所述第一视频采集单元7和第二视频采集单元8分别进行视频拍摄，将实时画面传递至服务器2。

在本实施例中，巡检小车在轨道1上运行时，其实时画面同步传递至服务器2，由于三个图像采集单元同时获取图像数据，并经过数据处理单元6获取病害数据和缺陷数据，由此，工作人员通过服务器2能够即使判断数据处理单元6的准确性；同时，数据处理单元6识别轨道1种类，也方便工作人员直接判断数据处理单元6的正确性，当遇到错误结果时，实现及时处理。在本实施例中，由于巡检梁设置于巡检小车的前方，因此为工作人员提供了合适的反应距离，由此提高检测系统的检测效果。

如图2所示，为了更好的使用本实施例，还包括触发单元9，用于接收服务器2的触发信号，并将触发信号传递至三个图像采集单元；三个图像采集单元分别包括至少一个相机模块301，以及为相机模块301提供光源的补光模块302；相机模块301与触发单元9连接；所述补光模块302与触发单元9连接。

在本实施例中，任意一个图像采集单元具有三个相机模块301，所述相机模块301为线阵相机，其结合能够覆盖左轨和右轨之间2.5m的范围；通过补光模块302的设置，保证了检测系统在夜间等光照条件有限的情况下正常作业。

在一些实施例中，两个视频采集单元同样由触发单元9传递服务器2给予的触发信号，并且同样具有与其相匹配的补光模块302。

为了更好的使用本实施例，还包括存储单元10，用于将三个图像采集单元拍摄的图像信息保存至本地；所述数据处理单元6通过存储单元10获取图像信息。

在本实施例中，如图4所示，轨道巡检检测系统的检测方法，包括如下步骤：

S100、采集轨道1的左轨图像、道床图像和右轨图像，获得图像信息；采集轨道1的动态视频；

S200、对图像信息进行检测，提取轨枕与轨面的病害数据，以及扣件的缺陷数据；对图像信息进行检测，提取轨枕区域图像；

S300、基于轨枕区域图像，判断轨道1的种类；

S400、将病害数据、缺陷数据、轨道1的种类反馈至服务器2；将动态视频实时同步至服务器2。

以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.轨道巡检检测系统，包括服务器，其特征在于，还包括：

第一图像采集单元，用于采集轨道的左轨图像；

第二图像采集单元，用于采集轨道的道床图像；

第三图像采集单元，用于采集轨道的右轨图像；

2.如权利要求1所述的轨道巡检检测系统，其特征在于，所述第一神经网络单元通过获取由多张轨道照片构成的数据集并对每张所述轨道照片的轨枕与轨面的病害部位进行标注，生成由多张包含病害部位标记的轨道照片构成的第一训练样本集和第一训练集；

3.如权利要求2所述的轨道巡检检测系统，其特征在于，所述第二神经网络单元通过获取由多张轨道照片构成的数据集并对每张所述轨道照片的扣件的缺陷部位以及轨枕区域进行标注，生成由多张包含缺陷部位标记以及轨枕区域标记的轨道照片构成的第二训练样本集和第二训练集；

4.如权利要求3所述的轨道巡检检测系统，其特征在于，所述数据处理单元还包括道岔识别单元，所述道岔识别单元基于所述第二神经网络单元输出的所述轨枕区域图像，利用直线段检测算法计算所述轨道的种类。

5.如权利要求1所述的轨道巡检检测系统，其特征在于，还包括：

6.如权利要求1所述的轨道巡检检测系统，其特征在于，还包括触发单元，用于接收服务器的触发信号，并将触发信号传递至三个图像采集单元。

7.如权利要求6所述的轨道巡检检测系统，其特征在于，三个图像采集单元分别包括：

至少一个相机模块，相机模块与触发单元连接；

8.如权利要求1所述的轨道巡检检测系统，其特征在于，还包括存储单元，用于将三个图像采集单元拍摄的图像信息保存至本地；所述数据处理单元通过存储单元获取图像信息。

9.轨道巡检检测方法，其特征在于，包括：

对图像信息进行检测，提取轨枕区域图像；

基于轨枕区域图像，判断轨道的种类。

10.如权利要求9所述的轨道巡检检测方法，其特征在于，还包括：

采集轨道的动态视频；

将动态视频实时同步至服务器。