铁路隧道衬砌表观病害智能检测技术

针对铁路隧道衬砌表观病害检测需求，梳理并分析技术现状，介绍隧道衬砌表观病害智能检测系统的研制情况和系统组成。提出铁路隧道衬砌表观病害智能检测面临的技术难点，分析图像快速采集、病害智能识别、病害样本库构建等智能检测关键技术。通过基于实测数据集以及现场检测复核等手段，验证铁路隧道衬砌表观病害智能检测系统关键参数。结合现场运用情况，分析铁路隧道衬砌表观病害智能检测系统运用效率。智能检测系统应用表明，铁路隧道衬砌表观病害智能检测技术可大幅提升隧道衬砌病害检测的自动化和智能化水平。     

基于图像技术的无砟道床表观伤损检测系统研制

我国高速铁路部分线路无砟道床裂缝、离缝、缺损等表观伤损主要依赖于人工持钢板尺、塞尺、测宽仪等传统工具进行测量,检测效率低,准确性差.针对这一问题,本文基于图像技术研制了无砟道床表观伤损检测系统,对无砟道床表观高清图像快速采集,利用图像处理、深度学习等技术构建图像识别算法,编制识别软件对采集图像进行智能识别.现场验证结果...     

隧道表面图像多目标智能识别算法研究

隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究。提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立数据集,采用基于语义分割的理论模型对隧道图像目标进行智能分类识别。考虑隧道纹理的特殊性,本研究对算法中模型结构进行改进优化,实现隧道多种目标的智能化检测。试验中,通过测试集和隧道正线图像进行对比试验,其中隧道典型病害裂缝的检测率为94.2%,渗漏水的检测率为96.9%,验证了模型和算法的有效性。     

朔黄铁路隧道衬砌表观病害检测技术

为实现朔黄铁路隧道衬砌表观病害远距离非接触快速检测,提出一种基于多源数据深度融合的隧道病害检测方法。首先利用高清线阵相机、激光扫描传感器等检测设备获取隧道衬砌表观高清图像和激光点云数据,然后利用特征提取网络提取图像和点云特征图,并采用空间变换方法将图像特征图投影到点云特征俯视图上得到融合特征图,最后利用候选区域网络和金字塔场景分析网络对融合特征图进行检测识别,输出病害的类型与位置信息。在朔黄铁路重点隧道开展的现场试验表明,该方法能检测隧道裂缝、掉块、渗水等表观病害状态,有效提升重载铁路隧道运维的智能化程度及综合检测水平。     

基于接触网支柱号在线智能识别定位技术研究

阐述应用图像在线智能识别技术,研究铁路基础设施检测设备的数据里程精确定位的关键技术;选题、技术路线、方案实施等,内容涉及到数字成像、边缘识别、特征提取、图形识别模型、软件设计等。     

无砟道床表观伤损智能识别算法研究北大核心

为提高无砟道床表观伤损检测系统的检测精度和准确率,提出了一种多尺度多任务的伤损智能识别算法。采用特征图L1范数准则对ResNet网络的冗余卷积核进行压缩剪枝,以降低模型计算量和存储空间。通过采集的图像构建样本库,利用像素级语义分割算法,以优化后的ResNet网络为编码网络,以PPM网络为解码网络,搭建编码-解码深度学习架构模型,并通过测试集试验和现场试验对模型进行验证。结果表明,该模型对2000张测试图像的识别准确率为95.6%,无砟道床表观伤损现场检出率为96.4%,检测效果良好。该模型可以实现对无砟道床表观伤损的自动化检测、伤损趋势分析和状态评定。     

基于深度学习的TFDS货车故障图像智能识别算法研究

货车关键部件故障的准确识别对车辆的运用工作非常重要。目前主要依靠动态检车员基于TFDS系统所获取的图像进行人工分析,耗费大量人力、物力,分析效率较低,并且易出现故障漏报,对车辆的运行安全造成隐患。文章提出了基于深度学习的目标检测加部件故障识别的两阶段车辆故障识别算法,通过对标注的图像进行模型训练,实现车辆故障的智能识别。该算法已经在中国铁路郑州局集团郑州北车辆段完成有效性的验证,结果表明,该算法可实现对车辆部件的准确定位、故障自动识别及结果的综合分析,有效提升了TFDS系统的故障识别准确率,大幅降低了漏报率,对于提高货车车辆运用工作的智能化水平,保障运行安全具有重大意义。     

基于光照不变正则约束的稳健性桥梁病害识别

桥梁表观病害识别是桥梁运营养护的关键技术之一。近年来,卷积神经网络(Convolutional Neural Networks,CNN)被广泛应用于桥梁表观病害识别。然而在光照不足条件下,卷积神经网络对于桥梁表观病害识别的稳健性通常不足。针对上述问题,提出一种基于光照不变正则约束的稳健性桥梁病害识别方法。该方法利用不变正则约束,同时约束CNN的特征提取模块和分类器模块,实现光照不足条件下的不变特征学习和分类器学习,进而增强CNN模型对于桥梁病害识别的光照稳健性。运用该方法基于桥梁表观病害数据集进行实验验证。实验结果表明：所提方法在光照不足条件下的桥梁病害的平均识别准确率高于对比方法;该方法在正常光照图像和光照变化图像上提取的特征矢量的欧氏距离为7.57,较对比方法提取的特征矢量具有更高的相似度。基于光照不变正则约束的稳健性桥梁病害识别方法在光照不足条件下提取的特征具有较强的不变特性,使得模型具有较强的病害识别稳健性,具有良好的工程应用价值,能够为桥梁的运营养护提供更准确的决策支持。     

高速铁路无砟轨道主要病害(缺陷)分析与无损检测

随着高速铁路的大量建成与投入使用,如何对这些工程进行有效的验收,尤其日常维护成为各项工作的重点难点之一。对于承载高速铁路列车的无砟轨道路基,其质量优劣及病害(缺陷)赋存直接关系到铁路运营和人机安全。而目前,对于无砟轨道路基病害(缺陷)无损检测,尚无公开文献提及。结合在相关高速铁路上的检测实践,基于对无砟轨道主要病害(缺陷)的发生机理、赋存位置和发育特征的充分掌握,确认作为常规质量检测中的地质雷达法能够有效、准确、快捷的检测其中的病害(缺陷),并结合具体检测实例给出了地质雷达法检测的典型图像。典型图像的获得,为积极尝试病害检测的自动化图形识别积累资料提供了可能。     

浩吉铁路智能关键技术试验

为推动我国重载铁路智能化发展、支撑浩吉铁路智能货运示范线建设,中国国家铁路集团有限公司在浩吉铁路组织开展了包括三大类七项内容的货运铁路智能关键技术试验。阐述浩吉铁路智能技术试验设计,对试验结果进行综合分析。试验表明,基于LKJ的货运列车辅助驾驶系统和分布式动力机车无线同步操控系统实现了设计功能,并可根据运行计划实时自动调整列车运行速度等级。同时,基于浩吉铁路运输生产数据集,验证了智能综合调度系统调整决策功能、轨道几何和接触网几何病害的智能识别算法、电务设备运维评价方法;获得了铁路真实环境条件下新型大容量无线通信传输技术特性,探索了北斗定位技术在新型列控系统应用的可行性。     

基于智能视频分析的铁路入侵检测技术研究

针对视频监控系统人工监视容易产生疏漏的问题,研究在铁路场景下基于智能视频监控图像序列处理和分析的识别物体入侵行为检测技术,给出铁路入侵物体检测、定位与跟踪的适用算法,实现基于轨迹点行为模型的入侵行为分析与理解。设计和开发了基于OpenCV的铁路入侵检测实验平台,在此平台上实现背景建模、运动检测与跟踪等项功能,初步实现了对入侵行为的识别、分析以及对危险行为的报警。     

基于AR智能眼镜的免打扰列车验票应用研究

为进一步提升铁路列车验票效率,提高铁路旅客运输服务质量,优化旅客出行体验,以增强现实（AR,Augmented Reality）智能眼镜设备为载体,进行免打扰列车验票服务应用研究。设计了基于AR智能眼镜的免打扰列车验票应用流程,阐述了AR技术、人脸检测技术和人脸桶检索技术在免打扰列车验票中的应用,并在塔建的测试环境中进行了功能测试,验证了方法的有效性。该研究可为铁路客运服务向更智能化、数字化、人性化方向发展提供技术支持。     

铁路隧道衬砌表观裂缝快速检测技术

梳理了国内外衬砌表观状态检测技术发展现状,对现场踏勘检测和衬砌表观检测系统检测出的衬砌裂缝检出率、里程误差、长度误差等关键参数进行了对比分析。结果表明：衬砌表观检测系统对宽度0.3 mm及以下的裂缝检出率为54.3%,对宽度0.3 mm以上的裂缝检出率为92.6%;纵向裂缝长度的离散误差为±0.7 m,主要由里程误差所致;环向裂缝长度的离散误差在-0.4～1.0 m,主要由图像拼接冗余所致。与现场踏勘检测结果相比,表观检测系统识别的环向裂缝长度存在27%的系统性放大现象,需进一步研究基于关键特征点匹配技术的图像拼接方法,降低拼接冗余,以提高环向裂缝长度的识别精度。     

基于深度学习技术的货检图像智能识别与测试研究

为了提升铁路货检作业效率和质量,针对目前铁路货检工作主要依赖人工对高清图片进行查看,存在强度大、容易漏判等问题,在统计分析既有货检问题的种类、与车型的关系及所占比例基础上,采用深度学习技术,基于Faster-RCNN网络架构建立货检病害智能识别模型。经样本图片测试集测试表明,所提出的货检智能识别模型对于车顶异物、车门开启、防尘盖开启等7类问题图片的检出率接近80%,准确性超过90%,每张图片的检测速度约0.9 s,可满足现场实时、智能检测需求,从而为铁路货检向智能化发展提供有力的工具。     

铁路隧道衬砌表观病害等级评定研究

运营期铁路隧道衬砌存在不同程度的裂缝、渗漏水、剥落（掉块）等表观病害。本文首先分析了GB 50010—2010《混凝土结构设计规范》、TB/T 2820.2—1997《铁路桥隧建筑物劣化评定标准隧道》等规范和标准评定隧道衬砌表观病害等级时存在的差异，针对QC/R 405.2—2019《铁路桥隧建筑物劣化评定第2部分：隧道》中存在的对细长裂缝没有给出判定规则、未考虑环向位置对等级评定的影响、不能依据检测图像对剥落（掉落）病害进行等级评定等问题，对裂缝长宽等级进行了细分，对病害环向位置进行了划分。在此基础上，对Q/CR 405.2—2019中高速、普速铁路隧道衬砌裂缝、渗漏水的等级评定规则进行了细化，实现了对不同属性特征的隧道衬砌表观病害等级的比较全面的评定。最后给出了隧道衬砌表观病害关注程度分类规则和不同等级病害的应对措施。     

铁路机车乘务员值乘状态智能预警系统的研究

为解决铁路机车司机值乘状态在线实时监控问题,应用人脸图像跟踪和人体瞳孔生物图像识别技术,设计了车载智能检测装置、数据传输系统和地面在线分析系统,通过系统软件协调控制,构建了机车乘务员值乘状态智能预警系统,实现了乘务员操作状态全天候在线实时跟踪监测、预警、分析、干预自动化。     

钢轨断面轮廓检测技术研究

为满足铁路部门不同的市场需求,在充分调研国内外钢轨断面轮廓检测技术的基础上,研制了基于光学成像原理的钢轨断面轮廓动态检测设备,并对基于激光三角测距原理的静态检测设备的研制进行了探讨。动态检测设备主要适用于铁路钢轨断面轮廓病害的快速查找;静态检测设备则适用于铁路钢轨,特别是道岔区域钢轨轮廓的智能化、高精度检测,利于铁路部门精细化检修。     

一种刚性接触网缺陷智能检测系统的开发与应用

针对刚性接触网核心部件汇流排和接触线缺陷项目多、智能化检测手段少的问题，提出一种基于图像智能采集及深度学习算法识别的刚性接触网缺陷智能检测系统的总体设计方案，详细介绍系统构成、功能及其应用情况。该系统在应用中能自主完成智能化的采集检测任务，实现刚性接触网缺陷的智能检测。     

隧道衬砌检测智能雷达系统的研发与应用

铁路隧道检测是铁路建设与运营中的重要环节,检测技术包括声波检测、线上监测、电磁波检测等。随着科技不断进步和新技术应用推广,针对当前隧道衬砌检测中的数字化和智能化难点,深入研究探地雷达数据解译问题,采用人工智能、大数据、互联网等技术研发了TR-1型智能雷达系统。经过在建隧道现场试用,证实TR-1型智能雷达系统具有检测轻便化、管理数字化、识别智能化等优势,可有效提高隧道衬砌检测质量和效率。     

基于卷积神经网络的接触网支柱号识别方法研究

接触网支柱号是铁路供电部门现场运营维护的重要定位参数。基于卷积神经网络的接触网支柱号自动识别方法结合接触网图像的实际特点,对视频图像进行了归一化图像预处理,并对实际的支柱图片进行了卷积神经网络的训练,在支柱号识别确定的过程中考虑了接触网支柱号的分布特点,提高了支柱号识别的准确性。利用实际线路数据进行测试,取得了较好的识别精度和较快的识别速度。通过实验验证,该方法能够辅助铁路基础设施检测系统中缺陷的定位,指导现场运营维修。