基于视觉注意力和PLSA模型的钢轨表面缺陷检测

针对目前钢轨表面缺陷检测的速度,精度较低,分类较难的现状,提出一种基于视觉注意力和PLSA模型的钢轨表面缺陷检测方法;结合亮度和纹理特征的视觉注意力模型检测钢轨表面缺陷,提取原图像的缺陷区域,并采用PLSA模型对提取的缺陷进行分类。实验结果表明:所提出的方法提高了检测及分类的速度与精度,能满足钢轨表面缺陷检测的要求。     

炭素制品X射线图像的缺陷特征选择

针对炭素制品X射线检测图像的特点,对缺陷特征提取与选择技术进行了研究。为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从原始图像中提取缺陷区域。在此基础上,从缺陷样本中提取19个特征值。为提高缺陷模式识别对各种噪声及干扰的鲁棒性,提出以特征组合分类能力数学模型为适合度函数,设计基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行模式分类。研究结果表明,所提出的选择方法可以用于缺陷的识别与分类。     

压装车轴镶入部裂纹缺陷信息提取

针对轨道车辆压装车轴镶入部在定期超声波检测时噪声信号幅值较大、缺陷信号被淹没在噪声信号中无法直接识别的状况,基于超声波检测信号采集数据分析信号典型特征,结果表明有较高辨识度的缺陷信号具有能量集中、信噪比高且快速收敛的特性。采用小包波变换对采集的压装后的车轴镶入部超声波检测信号进行分解,提取区别于噪声信息的缺陷特征系数和缺陷幅值系数,以此重建信号波形;再采用基于logistic函数的自寻优阈值滤波改进算法提高缺陷信号信噪比,以检测淹没在噪声信号中的缺陷信号,并基于神经网络进行验证。结果表明:基于缺陷特征系数和缺陷幅值系数的重建信号波形,可以准确区分超声波检测数据中噪声信号和含有疲劳裂纹的缺陷信号,对于缺陷深度大于0.5 mm的裂纹缺陷,识别准确率为100%。     

基于深度学习的铁路关键部件缺陷检测研究

关键部件缺陷图像自动检测对于复兴号动车组运营维护意义重大,但目前主要依靠专业人员对检测图像进行分析,耗费大量人力、物力,造成检测周期长,检测准确率无法保证。提出一种结合部件检测与缺陷分类流程的双通道缺陷检测框架MCDDF(Multi-channel Defect Detection Framework),部件检测通道基于目标检测算法实现动车组关键部件定位,定位后的关键部件经裁剪进行超分辨率提升,传入缺陷分类通道基于迁移学习方法实现缺陷类别的准确分类,结合两通道信息实现缺陷检测任务。实验分析两通道的性能提升方法,对比MCDDF与传统基于目标检测方法在铁路关键部件缺陷图像上的检测效果,验证了MCDDF方法的有效性。     

基于视觉的钢轨表面缺陷识别方法综述

基于计算机视觉技术的钢轨表面缺陷识别方法凭借其非接触、准确性高、无遗漏、快速高效等优点得到越来越多的关注。其识别流程包括:对采集到的钢轨表面图像进行预处理;采用灰度水平投影等方法提取出钢轨的轨面区域;利用图像分割技术提取出缺陷部分的图像信息;对缺陷特征进行描述,计算出缺陷的特征向量;利用机器学习分类器实现缺陷分类;通过深度学习实现钢轨表面缺陷的识别。基于当前研究难点,指出未来主要的研究方向,包括图像的优化预处理、钢轨表面缺陷的快速准确提取及对基于深度学习的缺陷识别方法的深化完善。     

图像处理技术在钢轨表面缺陷检测和分类中的应用

采用图像处理、模式识别及机器视觉等理论,对现役钢轨缺陷进行检测和分类.完成自动提取缺陷图像和最小化缺陷图像,以减少处理量并降低存储空间需求,自动判断缺陷类别.文章对采集到的缺陷图像进行处理,实验结果证明该方法能够正确实现检测轨道表面缺陷检测,并具有一定的适用性.此方法可以克服人工检测方法的许多弊端,提高检测速度和精度.     

基于卷积神经网络的动车组行车安全图像缺陷检测与分割

动车组运行故障动态图像检测系统TEDS在客运专线安装部署,为动车组安全运行提供保障。针对TEDS缺陷自动检测精度低的问题,提出基于卷积神经网络的TEDS缺陷检测与分割模型,采用特征金字塔网络提取缺陷的多尺度融合特征,采用可改变感受野的可变形卷积DCN适应缺陷形态的多样性。TEDS缺陷检测任务中缺陷数量远小于背景数量,采用在线困难样本挖掘OHEM筛选出困难样本,重新输入预测网络以平衡正负样本的比例。通过对几个动车段的TEDS图像数据进行试验分析,结果表明该模型的准确率、召回率优于传统方法。另外,迁移学习试验结果验证了模型的泛化能力,且该模型可以实现缺陷的精准分割。     

周期荷载作用下钢轨缺陷检测分析

根据振动理论、瞬态有限元-边界元理论,提出一种利用钢轨振动响应数据对钢轨断裂缺陷进行分析检测的方法.通过建立无砟轨道振动分析动力学模型,研究在节点周期荷载激振下,轨道在钢轨全断裂,钢轨截面50％断裂等缺陷条件下的振动加速度规律特征.结果表明:在不同轨道缺陷条件下,钢轨在2个检测点的振动响应加速度变化特征明显,且能够提取不同轨道缺陷对应的特征规律,多组仿真实验结果误差均在5％以内.本方法是无源检测,方法简单可靠,能够有效地提高轨道检测工作效率,减少线路维护的时间.研究结果可为基于动力学响应的轨道缺陷检测工程技术提供借鉴和利用.     

基于多特征融合与AdaBoost算法的轨面缺陷识别方法

针对钢轨表面缺陷检测精度易受采集装置振动与异物干扰的影响等问题,通过分析缺陷的位置,设计钢轨图像采集装置。在此基础上,首先根据钢轨的形状特征,结合Hough变换与最小二乘法提取钢轨表面区域,再结合超熵理论与模糊理论对钢轨表面缺陷进行分割,然后建立正样本及负样本数据库,并通过提取样本的Harr-like特征与低层特征建立样本特征数据库,最后结合C4.5与AdaBoost算法设计缺陷分类器,对非缺陷进行排除并对缺陷进行分类。通过在500~1 000 lx,1 000~10 000 lx,10000~100 000 lx 3种不同的光照强度区间内对木枕及混凝土枕轨道的钢轨表面缺陷进行识别,识别时间平均为698ms,识别正确率平均为97.02%,与传统的识别方法对比具有明显的优势。     

基于SVM的地铁钢轨短波波磨特征识别

地铁钢轨短波波磨现象严重影响列车运行安全,更快速、准确地对钢轨波磨进行检测,有利于及时指导钢轨打磨,从而避免或减少由钢轨波磨引发的一系列问题。文章以轮轨噪声作为检测信号,提出了一种基于支持向量机（SVM）的地铁钢轨短波波磨特征识别框架;结合轮轨噪声和短波波磨类别特点,采用时域-频域特征提取方法,以最大化支持向量机分类精度为依据,实现对特征的有效提取和选择;较为全面地考虑现实中的各类钢轨短波波磨类型,实现对短波波磨的正确分类。分类测试结果表明,基于轮轨噪声和支持向量机的地铁钢轨短波波磨特征识别方法能够有效地对波磨波长和幅值进行正确分类,其中波长分类平均精度达到97.32%,幅值分类平均精度达到97.99%.     

基于钢轨电位时空关联的钢轨对地绝缘缺陷诊断方法

[目的]以钢轨电位为监测对象的各监测点数据间在时空上存在关联,钢轨对钢筋结构电阻变化后的直接表现形式为钢轨电位的变化。应基于钢轨电位时空关联的特点,对钢轨对地绝缘状态监测及缺陷诊断的方法进行深入研究。[方法]阐述了以钢轨电位为监测对象的杂散电流监测系统。对绝缘缺陷下的钢轨电位数据特征进行了分析,建立了数据的特征矩阵。基于闵可夫斯基距离的异常检测原理,阐述了钢轨对地绝缘异常区段的检测步骤,以及绝缘缺陷定位的检测步骤,提出了基于钢轨电位时空关联的钢轨绝缘缺陷诊断方法。以青岛某城市轨道交通工程为案例进行建模仿真,用以评估所提方法的有效性及准确性。[结果及结论]该方法能对钢轨绝缘状态进行有效监测,可准确定位绝缘缺陷位置。     

基于改进Faster R-CNN的地铁车辆焊缝缺陷检测

地铁列车的焊接缺陷严重威胁到列车运行安全,针对目前地铁车辆铝合金车体焊缝检测存在漏检错检问题,提出一种基于改进Faster R-CNN识别焊缝缺陷的方法。运用ABAQUS对铝合金车体焊缝缺陷进行建模仿真,获得多组同类缺陷信号图。基于Faster R-CNN框架对缺陷进行分类,并引入Unet模型和Resnet模型对原始Faster R-CNN框架进行改进,以提高识别精度。对人为添加噪声的信号图进行检测,以验证本文模型的鲁棒性。研究结果表明:改进后的模型对于铝合金车体焊缝缺陷检测具有更高的识别率和鲁棒性。     

基于图像处理的钢轨伤损分类算法研究

钢轨伤损的种类众多且形态各异,即便对于同类伤损,在超声波钢轨探伤检测软件中形成的B显图像也会存在差异,而当某类伤损的B显图像变化超出一定范围后,检测软件便无法识别该伤损的类别。因此,提出一种基于图像处理的钢轨伤损分类算法,其采用Tamura纹理特征与局部二值模式(local binary pattern,LBP)相结合的算法提取伤损B显图像的特征值并组成特征向量,使得作为分类器的支持向量机(supportvector machine,SVM)能够对不同种类伤损的特征向量进行训练,从而用训练后的最优分类函数预测未训练过的待测伤损的类别。试验结果表明,所提算法在钢轨伤损图像分类方面实现了较高的分类准确率。     

高速铁路接触网悬挂装置开口销不良状态检测方法研究

针对高速铁路接触网支撑装置中开口销缺失、松脱和张角不足问题,提出两种基于灰度分布特征的检测判据。在定位阶段,依据斜腕臂及其连接处的线特征,对斜腕臂进行Hough直线检测并提取其两侧边缘的斜率特征,实现斜腕处开口销的初定位,利用PBoW模型对初定位图片进行分类;采用SIFT算法准确定位非斜腕处开口销。在检测阶段,使用Hough累加矩阵提取连接处螺钉的圆形特征,对销钉所处的圆环区域实现精确提取;针对圆环内无其他零部件遮挡和干扰情况,根据圆环内非连通区域分布规律给出表面开口销缺失和张角不足检测判据;根据销钉受力部分和两端非受力部分的灰度分布,给出双耳下方开口销不良状态检测判据。实验表明,本文方法能够较准确地实现多位置开口销不良状态的同时检测。     

荧光磁粉探伤裂纹智能识别图像处理研究

磁粉探伤的发展趋势是自动化、智能化,而工件表面状况、真伪裂纹、工况条件等使得现有的检测识别方法难以满足工件表面裂纹缺陷自动检测识别的需要。在分析工件表面荧光磁粉图像特征及裂纹缺陷特征的基础上,研究表征裂纹邻域像素空间相关度的二维直方图分布,提出基于多重分块极值的图像边缘检测算法。根据裂纹邻域像素空间相关度参数,以及裂纹缺陷的长宽比、圆形度等特征,设计了基于Fisher线性判别方法的工件裂纹识别算法。以此为基础的荧光磁粉探伤工件裂纹缺陷自动检测识别技术,应用于列车轮轴检测线实时检测,裂纹缺陷的有效检出率达99%。     

基于随机森林的动车组牵引电机故障特征选择方法

动车组车载数据具有维度高、数据量大的特点,从高维度的数据中提取出牵引电机相关的有效特征是进行数据驱动模型构建的基础。文章以基尼指数为例,介绍了基于基尼指数的CART分类树构建步骤、基于CART分类树的随机森林构建方式以及基于随机森林分类算法的基尼指数平均不纯度减少和袋外误差平均准确度减少2种特征选择方法,并对2种特征选择方法进行了试验验证。基于UCI机器学习样本库,通过Dry Bean Dataset和Wine Dataset 2种典型案例验证了2种特征选择方法在特征选择和模型分类方面的有效性;基于动车组车载实测数据,通过对动车组牵引电机的特征选择,验证了2种方法都能有效筛选出牵引电机故障特征,同时基于所选故障特征建立的牵引电机故障诊断模型具有较高准确率和召回率,可用于动车组牵引电机故障特征选择。     

基于2阶级联轻量级卷积神经网络的高铁接触网悬挂紧固件缺陷识别方法

基于高铁接触网悬挂运行状态监测图像,分析监测图像与普通图像的区别;将紧固件缺陷检测问题转换为紧固件检测和运行状态精细识别2个过程,提出基于2阶级联卷积神经网络的紧固件缺陷识别方法。首先,设计紧固件检测网络,由轻量级特征提取网络、全局注意力模块及相互增强的分类器和检测器组成,实现目标紧固件实例的高效检测;然后,搭建1个包含4个卷积层、2个池化层、1个全连接层和1个输出层的多标签分类网络,完成紧固件运行状态的精细分类,实现缺陷识别。运用紧固体缺陷识别方法,对某高铁线路接触网状态监测图像数据进行试验分析,结果表明:2阶级联卷积神经网络的方法可以快速准确地检测紧固件的缺陷,紧固件定位平均检出率达98.2%,紧固件缺陷平均识别精度达95.8%,较单一检测网络提高约21.5%。     

深度学习在接触网定位器缺陷检测中的应用

高速动车接触网运营安全的需求使得接触网关键零部件的缺陷自动检测成为一份有意义的工作。针对接触网巡检图像的定位器缺陷检测问题,本文提出了一种基于图像深度表示和直线检测的目标检测一体化算法。该算法采用选择搜索算法获得定位器在图像中可能存在的备选区域,利用深度卷积神经网络计算图像的深度特征,通过多任务学习的算法求得定位器的局部区域。随后,利用Canny边缘提取和Hough直线检测的方法在局部区域内精确检测定位器直线。针对接触网巡检图像的实际应用场景,对该算法在不同场景下进行验证,试验结果表明,该算法可以有效解决实际场景下的定位器缺陷检测问题。     

声波透射法桩身完整性检测分类标准定量化初探

就现行铁路工程基桩检测技术规程中,有关声波透射法检测桩身完整性分类标准不能定量的问题进行了初步探讨,采用射线法和绕射法对波经过缺陷(空洞)处的PSD值Ki进行了计算,结果发现,PSD值Ki与缺陷大小、混凝土强度等级、桩直径、测点移动步距有关。根据计算结果结合实践经验,对桩身完整性分类标准给出了PSD值Ki建议值。经实际应用证明该方法可行,可供类似工程检测参考。     

激光测量在高速铁路扣件扣压力检测的适用性研究

为了提高铁路扣件扣压力检测的自动化程度,弥补人工检测精度低、效率低等方面的不足,研发一种基于激光测量原理的扣件扣压力自动检测系统。首先基于人工检测的原理建立高度差的测量模型,然后对测量系统采集到的数据进行处理分析,通过数据噪声处理、有效数据组的判定、特征点的提取得到测量模型所需结果,验证系统的适用性和有效性。为了验证特征值提取方法的有效性,对H-h高度差的提取结果与标准棒料直径进行比对,精度达到0.0064,在提取效果上具有较优的表现。测量系统的不确定度达到0.086,满足检测精度要求。