基于三维图像的铁路扣件缺陷自动识别算法

针对当前铁路扣件状态自动识别准确率和稳定性不高等问题,利用直射式激光三角测量法原理研发扣件检测系统,采集不受环境光影响的高质量轨道三维数据。提出基于三维图像的扣件区域定位方法,并利用先验知识验证扣件位置以保证扣件定位的准确性;基于弹条的高度规律信息提取弹条,采用HGOH作为特征描述算子;根据特征向量的模是否等于零可识别出缺失扣件,将模不为零的特征向量送入已训练的SVM分类器,从而识别断裂扣件和完整扣件。室内试验研究结果表明,采用本文提出的扣件缺陷自动检测算法,识别准确率可达98.0%,能满足扣件缺陷自动化检测的需要。     

基于3D相机的轨道扣件部件丢失与松动智能检测

轨道扣件在运营过程中会出现松动甚至掉落、断裂等异常情况,不利于列车行驶稳定和安全,需要进行定期、及时的检查与维修。传统的人工巡检效率低,难以匹配我国轨道交通的快速发展,且对于部件松动等不易察觉的问题检测效果差。利用计算机视觉形成自动化的检测设备逐渐成为发展趋势,其中基于三角测量原理的线结构光技术因其成本低、精度高、速度快等优点得到广泛应用,且适合轨道检测场景。该技术核心设备为可以采集并分析线结构光进行三维重建的3D相机,基于成像原理设计可搭载于轨道检测车的扣件检测系统并进行现场试验,经过数据分析和处理可以分别得到高质量的图像数据和三维模型。针对图像数据利用目标检测的方法,构建数据集,搭载YOLO(You Only Look Once)v5深度学习模型,实现挡肩及扣件部件的快速识别,进行部件丢失检测;针对三维模型利用轨道扣件相对位置固定的特点,根据阈值筛选扣件数据并进一步得到弹条及螺栓等部件的坐标信息,通过边缘提取、平面拟合等方法计算位移量,进行部件松动检测。研究结果表明,检测系统可以采集高质量的扣件数据,扣件部件识别平均精准度达到99.0%,速度满足现场实时检测的要求,同时对于弹条和螺...     

激光技术在高速列车测量检测中的应用与展望

传统测量方法满足不了高品质轨道交通车辆生产制造的要求,某公司开展了基于激光技术的先进测量检测技术的研究及工程化应用,开发了车辆关键零件空间安装的三维激光投影测试技术、大跨距形位尺寸自动测量技术、复杂曲面构件三维激光扫描检测技术和基于视觉成像的车辆制造关键工序质量状态检测技术,成功应用于高速列车的生产制造中,有效提升了测量检测技术水平和工程能力。     

基于BEMD-IPSO-SVM的 扣件完损状态检测

扣件的完损状态关乎铁路系统的安危,而传统检测算法运算复杂且精度不足,为进一步提升检测性能,提出基于BEMD-IPSO-SVM的扣件完损状态检测算法。该算法首先对初始化的扣件图像进行二维经验模态分解,提取固有模态函数的频谱特征,通过改进粒子群算法优化支持向量机来实现检测分类,达到了简化运算,增强泛化性,提升识别准确度的目的。通过实验仿真得出平均检测准确率可达95.15%,证明该算法在扣件检测方面切实可行。     

应用YOLO深度卷积网络的轨道图像定位算法

将摄影测量技术应用于铁路轨道检测是未来轨检技术的发展趋势。对轨道图像扣件的快速定位,是判断扣件是否缺损,匹配连续图像以及对轨道线形三维重建的基础。由于实际中轨道图像易受到拍摄角度、光照等因素影响,同时有砟轨道图像具有背景复杂、色彩单一、特征分布多变等特点,使得传统基于钢轨、轨枕布设关系的扣件定位算法具有局限性,对弯道和上下行道岔咽喉区域的扣件定位鲁棒性差。将近年在计算机视觉领域发展迅猛的深度学习算法引入铁路轨道检测,利用YOLO端对端输出的网络特点,根据图像全局信息直接对扣件的Bounding Box和类别进行迭代回归,输出扣件位置信息。试验检测50份测试数据,检测正确率达到94%,检测速度54 fps,可以达到实时检测的要求。     

基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络.进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测.结果 表明:该方法能对普速...     

基于改进SSD模型的高铁扣件定位算法

高铁扣件的检测对于保障铁路的正常运行起着十分重要的作用。针对高铁扣件定位精度不足以及传统定位算法无法定位道岔处扣件的问题,设计一种改进的SSD(single shot detector)深度学习扣件定位算法,即Improved_SSD。首先采用ResNet101更换经典SSD深度学习模型中的VGG16,增加网络深度的同时提高特征的抓取能力;然后利用膨胀卷积扩大网络的感受野,以不增加模型额外结构的方式提高模型的鲁棒性;最后提出一种非极大加权抑制方法,进一步提高扣件的定位精度。实验结果表明:与经典SSD算法相比,本文算法对扣件定位的召回率和精度分别提高了3.4%和4.7%;与其他几种扣件定位算法相比,本文算法不仅提高了对普通轨道扣件的定位精度,而且解决了传统定位算法无法定位道岔处扣件的问题。     

基于截线法的铁路扣件骨架提取算法

为了能够精确描述铁路扣件端部形状,提高铁路扣件的识别率,以及满足扣件检测的实时性要求,提出了一种基于截线法的铁路扣件骨架提取算法。首先,通过预处理得到原始图像的二值图像及其感兴趣区域;其次,应用不同方向的方位距离变换计算扣件各端部区域的骨架生长点;然后,以骨架生长点为中心沿扣件的弯曲方向分别利用水平线族和竖直线族扫描扣件端部轮廓,得到截线段后,计算其中心点;最后依次连接骨架生长点和所有截线中心点即可得到完整的扣件图像骨架。理论分析与实验结果证明,本文算法对扣件形状的描述能力强,并且可以准确识别扣件形状。对于复杂图像的识别具有较好的效果,在识别缺陷扣件时具有较强的应用优势。算法运行时间较短,可以达到实时性的要求。     

基于YOLOv3算法的轨道扣件自动定位与检测

针对目前轨道扣件人工检测效率低、准确率低等问题,提出了基于YOLOv3算法的轨道扣件自动定位及检测方法。采集有砟轨道和无砟轨道的扣件图像并进行标注,通过K-means聚类确定预设边界框大小;为了更好地检测到细粒度特征,采用4个不同尺度的特征图来进行对象检测;对Darknet-53网络进行改进,有利于解决深层次网络的梯度问题,增加轨道扣件目标识别模型的识别效果。试验结果表明,该方法对轨道扣件目标识别效果较好,检测准确率较高。     

潘得罗扣件的弹条状态识别算法

为实现潘得罗扣件的自动化巡检,提出一种融合弹条纹理特征与形状特征的潘得罗扣件的弹条状态识别算法.该算法首先根据人工巡检的经验划分检测区域,然后增强弹条的纹理与轮廓,接着分别提取弹条的纹理特征与形状特征,组成复特征向量后将其放入SVM(支持向量机)分类器中建立训练模型,最后使用SVM分类器识别钢轨扣件的弹条状态.试验结果表明,最终检测效果为:漏检率7.1％,误检率2.9％,正确率92.9％,均达到钢轨扣件的检测要求.     

无砟轨道激光长弦轨检小车检测及精调技术

采用CRTS Ⅰ型轨道板和SFC错列式潘得路扣件的无砟轨道是一种新型无砟轨道。这种新型无砟轨道技术采用激光长弦轨检车进行轨道静态几何形状检测和精调施工。     

基于车载激光雷达技术的高速铁路无砟轨道设施调查方法

我国高速铁路网日益完善,规模越来越大,铁路管理部门对高速铁路设施提出了信息化和精细化管理的要求,需要对既有运行线路道床的轨道板、底座板、扣件等轨道设施进行调查,建立轨道设施信息管理系统。由于运营线路的维修天窗时间短,传统的人工调查方法不适合大范围轨道设施普查,因此提出了基于车载激光雷达成像技术的轨道设施调查方法。该方法利用车载激光雷达系统快速采集轨道现场的三维点云数据,通过专用数据处理软件从三维点云中提取轨道设施信息。实践证明,该方法每1 h可以调查5 km的轨道设施,是传统人工调查效率的20倍以上,几何测量精度达到毫米级,大幅提高了既有线高速铁路轨道基础数据的采集效率。     

基于代价敏感卷积神经网络的扣件缺陷检测算法

为解决扣件数据集不平衡问题,引入代价敏感策略对卷积神经网络算法进行改进,并以此检测断裂、丢失的缺陷扣件。该算法借鉴AdaBoost算法的思路,在训练过程中对整体误差函数中每个样本分配不同的权重,并依据先前模型的错误率不断地加以调整,使算法关注各个类别中的难学习样本,并对调整后的权重按类别进行归一化处理,以增大小类样本的关注度。分别在高速铁路无砟轨道和普速铁路有砟轨道2个扣件数据集上进行对照试验验证算法的有效性。引入G-mean作为评价指标平衡不同类别的召回率。结果表明:将改进后算法应用于高速铁路无砟和普速铁路有砟轨道的扣件数据集,改进后算法的G-mean值比原算法分别提高10%和25%以上;比传统的扣件识别方法分别提高13%和39%以上。     

密度聚类与PCA的点云数据处理技术在高铁轨道检测中的应用

为解决轨道手工检测效率低、准确度不高的问题,克服二维线激光与轨向不垂直而影响检测精度的不足,利用三维结构光点云技术对高铁轨道表面状态进行检测。数据处理是三维结构光检测的重要环节,综合运用密度聚类与PCA算法对点云进行快速处理。首先采用三维栅格算法对点云进行采样,减少点云数据量;其次利用密度聚类将点云分成不同的簇类以去除噪声点和离群点,提取出目标点云;最后通过PCA算法计算点云的3个主成分向量,求解变换矩阵变换点云,实现点云初始配准。精确配准后,与标准模型点云对比,即可得出检测结果。现场试验结果表明,该方法运行速度快,配准精度较高,有效提高了检测的效率和精度。     

基于可变形部件模板的扣件状态识别

针对在铁路钢轨扣件状态自动识别中断裂扣件与正常扣件难以区分的问题,基于DPM算法思路提出DPTM算法用于扣件状态自动检测。为屏蔽扣件图像中背景区域的干扰,根据扣件几何形状设计相应的掩膜模板,并对扣件进行分块得到扣件部件模型。采用弹簧模型度量部件之间相对位置关系、余弦相似性度量HOG特征点之间的相似度,加权融合特征点相似度得到部件相似度,根据各个部件重要性的权重系数组合建立扣件状态分类准则。理论分析和实验结果表明,DPTM算法能够较好地区分正常、断裂和丢失三种状态的扣件,并在优先保证较低漏检率的同时取得较低的误检率。     

一种改进的铁路扣件图像校正算法

基于HOG特征的铁路扣件检测算法中,各类扣件特征的可辨性易受光照不均匀因素影响,降低了检测准确率.针对此类光照不均匀图像,将二维经验模态分解(BEMD)理论与直方图均衡化相结合,首先利用BEMD变换提取图像的细节分量和照射分量,并通过直方图均衡化增强细节分量;然后进行光照判断,据光照判断对细节增强分量叠加调整后的照射分量,得到光照均匀、细节增强的扣件图像.真实实验表明,与传统方法相比,此方法能有效增强图像对比度,提高铁路扣件检测精度.     

基于RFID技术的扣件紧固状态检测系统的研发

针对目前铁路扣件紧固状态快速智能检测手段的不足,基于射频识别(Radio Frequency Identification,RFID)技术开展扣件紧固状态检测系统研发。通过对RFID供能传输方式和扣件紧固状态传感器的设计开发,构建全新的扣件紧固状态快速检测系统,并根据现场需要分别提出便携式采集设备方案和车载式采集设备方案。该系统现场无需布置电源线和数据线,可以实现20 km/h速度下的扣件紧固状态快速检测,检测量程为0~20 kN,检测精度为5 N,可对检测数据进行评估和对报警信息予以多级发布。与传统人工检测方式相比,该系统具有检测速度快、检测精度高、数据可靠、安装便捷等优点。     

钢轨扣件横向偏移特征检测算法研究

针对无砟轨道中钢轨扣件发生横向松动、脱离正常工作位置产生偏移的问题,提出一种钢轨扣件横向偏移检测法.首先,该算法为解决传统的扣件图像定位不够精准问题,采用k-means聚类和类二值算法强化分割前景、背景与轮廓矩特征,实现对采集图像中扣件位置的精准定位;其次,不同于传统扣件特征提取采用复杂语义,提出一种基于机器视觉的轮廓分析方法,通过提取扣件的绝缘帽与螺母的轮廓特征,计算相邻绝缘帽间距和相邻螺母间距,并与安全状态下扣件轮廓特征计算得到的安全距离阈值进行对比,进一步计算偏移量,从而判断扣件是否发生横向松动.结果 表明:该算法计算速度快,能够准确地定位弹条位置和偏移量,与传统的识别算法得到扣件的偏移量数据相比准确率显著提高,可达98％.     

高速铁路扣件机械化拆除装备研究

针对高速铁路换轨施工中扣件拆除工作量大、施工人员多、效率低、安全隐患大等问题,以换轨一体化为基本思路,研发了满足高速铁路换轨需求的扣件机械化拆除装备.该装备由检测定位系统、扣件拆除系统、配件传输系统、动力走行系统等组成,采用伺服控制技术调整扣件螺母力矩,实现扣件作业单元扭矩的精准控制.扣件拆除小车单根轨枕作业时间为20...     

激光成像技术在铁路隧道检测中的应用

隧道衬砌表面病害的检查是无损检测中重要的一步,表面病害随着时间的发展将成为结构的内部病害,同时表面病害多是内部结构病害在衬砌表面的反映。但目前检查和检测手段落后,基本沿用"眼看手量"的方法,一些病害难以发现,且耗费大量人力、物力。激光成像系统是采用三维激光扫描技术,根据铁路隧道检测需求研发的一种轻型隧道检查小车,该系统弥补了传统方法的缺陷,实际