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:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。     

铁路扣件缺陷自动检测研究进展

基于计算机视觉和三维激光成像技术的扣件检测算法发展历程,重点针对铁路扣件图像的预处理、定位以及分类3个主要环节的算法进行综述,并探讨现有扣件检测算法存在的问题与困境。介绍三维激光成像技术及其在扣件检测领域的应用前景。     

基于流行排序的轨道扣件定位方法研究

针对利用图像处理技术在进行轨道扣件定位的过程中易受到拍摄条件及复杂背景干扰的难题,提出一种基于流行排序的轨道扣件定位方法。对轨道扣件图像进行超像素分割和基于图论的特征图构建;根据特征图节点基于背景尺度和前景尺度的相关性进行排序,得到前景突出且背景抑制的轨道扣件显著图,完成轨道扣件区域在图像中的的准确定位。引入准确率-召回率曲线、F度量值和平均绝对误差作为评价扣件定位准确程度的指标。研究结果表明:本文方法对不同类型的轨道扣件图像均能进行精确的扣件定位,且与其它算法相比具有更好的定位效果、较高的效率和鲁棒性。     

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。     

车载轨道状态巡检技术发展及应用

介绍车载轨道状态巡检技术的国内外研究现状,阐述我国自行研制的车载轨道状态巡检系统的功能及特点,该系统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,分为图像采集、图像分析、数据管理3个模块。简述目前巡检技术在我国铁路日常检测中的运用状况和作业模式,提出今后需要进一步深化研究的领域。     

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...     

基于图像处理的铁路轨道板裂缝检测研究

铁路轨道板表面裂缝的存在会直接影响轨道板使用寿命和状态,因此轨道板表面质量的自动检测至关重要。本文提出一种非接触式基于图像处理的轨道板表面质量检测方法,该方法首先通过预处理增强原始图像中的裂缝信息,然后针对预处理后裂缝图像的特点,经过二值化、裂缝合并、噪声剔除等步骤,准确定位裂缝所在的位置。经试验验证,本文提出的方法能有效检测出铁路轨道板图像中的裂缝。     

市域铁路轨道系统关键技术创新

我国市域铁路轨道系统关键技术研究刚刚起步,尚不能满足目前市域铁路建设和发展的需求。以温州市域铁路为依托,结合市域铁路的功能需求和技术特点,开展无砟轨道、道岔、减振降噪、无缝线路等关键技术研究,研制扣件、道岔、减振产品等市域铁路轨道核心装备,形成我国具有自主知识产权的市域铁路轨道系统设计技术,研究成果为建立符合我国国情的市域铁路轨道技术标准体系提供了支撑,对促进我国市域铁路发展具有重要意义。     

我国铁路的钢轨扣件

分析我国铁路钢轨扣件现状及存在的主要问题,阐述铁路轨道对钢轨扣件的基本要求,介绍国外扣件的技术特点,并对我国铁路钢轨扣件发展提出建议.     

基于车载的轨道扣件同步采集系统设计及实现

线阵相机常用于轨道扣件检测时图像获取,在拍摄轨道扣件图像时受车辆变速和振动的影响,获取的图像信息容易出现失真现象;为了解决该问题,设计了一种基于车载的轨道扣件同步采集系统。通过建立测速及补偿模型和等距变换关系,实现线阵相机等间距拍摄轨道扣件图像的触发控制,通过建立传感器同步采集模型实现多传感器信息的同步采集控制。利用FPGA实现线阵相机等距触发控制和传感器信号同步采集功能。最后,搭建轨道检测小车对该系统进行实验验证,并在相同的测试条件下与基于常规光电编码器直接触发采集的方法进行对比;实验结果表明,基于车载脉冲等距触发采集的方法在变速条件下采集的轨道扣件图像不失真,并能准确同步采集各传感器信息。     

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。     

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。     

铁路客运专线无碴轨道扣件探讨

研究目的研究无碴轨道扣件结构型式和关键技术,提出我国客运专线扣件技术发展思路和具体设计建议。研究方法结合遂渝铁路无碴轨道综合试验段扣件试验成果和我国客运专线线路和运营条件,总结分析国内外铁路无碴轨道扣件结构型式和技术特点。研究结果提出了无碴轨道宜优先采用带铁垫板的分开式、弹条有螺栓扣压钢轨和铁垫板、单层或双层弹性垫层、轨下基础不设挡肩扣件的建议。研究结论影响无碴轨道扣件设计的主要因素是合理刚度、绝缘性能和钢轨高低、轨距调整能力,可按节点静刚度25~50kN/mm,钢轨高低调整量不小于30mm,轨距调整量-10~ 10mm,道床电阻不小于3Ω·km进行扣件设计。同时在坚持自主创新的原则下,应积极引进Vossloh和Pandrol等扣件先进技术,促进我国铁路技术发展。     

基于深度学习的铁路限界快速检测算法

列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术。列车若无法提前感知非法侵入铁路限界范围内的异物,并在短时间内有效制动,将会导致严重的安全事故。为解决列车运行环境内影响运行安全的异物侵限问题,基于深度学习算法,提出一种铁路轨道限界快速检测算法。该方法首先采用预设行锚框的方式对图像进行划分,将传统分割算法的逐像素预测,转变为对每个行锚框进行逐网格预测,以达到显著降低算法计算量,并提高检测速度的目的。同时,通过快速识别图像中属于轨道部分的像素,结合轨道线的连续特征进行追踪,达到铁路轨道坐标的智能快速识别。最后根据标准轨距下限界的定义,对识别出的轨道线坐标和侵限区域进行扩充,以确定铁路异物入侵限界的范围。通过在真实轨道数据集上的对比实验,验证所提算法能以172FPS的速度快速检测铁路限界,且轨道线和限界区域的识别精度分别达到98.96%和98.12%,F1值分别达到99.68%和98.95%,限界区域检测的平均交并比MIoU达到96.88%,各类指标均取得当前最好的准确率和性能,满足高速列车对环境感知精度和速度要求,可以为异物侵限检测、目标跟踪和列车控制等环境感知及运...     

铁科院与钢铁企业携手研发生产铁路新型扣件

由铁道科学研究院、首钢总公司、北京中冶天誉投资管理有限公司共同组建的铁路扣件产品研发生产企业——北京铁科首钢轨道技术有限公司，9月21日在京签署了合作协议。新型扣件系统是高速铁路的关键部件之一，加强高速铁路扣件系统的原始创新、打造扣件领域的中国品牌，不仅是客运专线建设的迫切需要，也是提升我国铁路扣件国产化水平、参与国际竞争合作的现实要求。铁科院是我国铁路系统科技及管理科学研究的权威机构；首钢总公司是以钢铁为主业，跨地区、跨所有制、跨国经营的大型企业集团；中冶天誉投资公司具有良好的信誉和资金、技术、人才资源管理能力。由3方共同组建的这一合作企业，将充分整合铁科院在技术创新和科研人才、首钢总公司在材料加工和生产制造、中冶天誉投资公司在投资管理和钢铁信息等方面的优势，从而实现真正的强强联合、优势互补，对推动铁路扣件产品的技术进步、促进具有自主知识产权扣件系统的产业升级具有重要意义。     

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％.