有砟铁路路基层位变形智能识别方法

针对探地雷达单期数据无法获取路基层位变化情况的问题,提出了一种基于周期性检测的铁路路基层位变形智能识别方法。首先采用YOLO v5模型识别雷达图像中的桥梁设备,通过与设备表模糊匹配实现多时相数据的里程配准,再基于U-Net模型对多期数据中的路基层位线进行准确识别,最后根据年变形量提取路基显著变形的里程范围,为养护维修决策提供数据支撑。采用实测数据进行了测试试验。结果表明：多期数据配准精度满足应用需求,自动识别的层位线与人工追踪结果相近,有效提升了探地雷达周期性检测数据的处理效率和精度,为铁路路基层位变形检测提供了一种新方法。