[發明專利]基于圖像對齊與檢測網絡模型的軌道塞釘故障檢測方法與系統

有效

• 申請號: 201710424243.1
• 申請日: 2017-06-07
• 公開（公告）號: CN107292870B
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 姜育剛;王強;趙瑞瑋
• 申請（專利權）人: 復旦大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

本發明屬于計算機故障檢測技術領域，具體為一種基于圖像對齊與檢測網絡模型的軌道塞釘故障檢測方法與系統。本發明中，由鐵軌巡檢車記錄正常的塞釘圖像作為基準圖像；工作人員在例行的鐵軌巡檢過程中，利用巡檢車拍攝最新的鐵軌狀況，得到鐵軌狀況圖像作為待檢測圖像，對當前待檢測圖像和基準圖像進行對比分析處理，檢測出鐵軌中問題塞釘部件位置，從而進行及時更換問題塞釘，確保鐵軌運行的安全；具體步驟包括：基于深度網絡模型與顯著區域的高鐵軌道圖像精確對齊，基于深度網絡模型與環境變化補償的軌道塞釘的故障檢測。本發明基于深度網絡模型進行圖像對齊與環境變化補償，具有更精確的識別性能與可靠性。

技術領域

本發明屬于計算機故障檢測技術領域，具體涉及高鐵軌道故障檢測方法與系統。

背景技術

在我國鐵路是重要的交通運輸方式，鐵軌作為鐵路運輸的載體，關系到人民的生命財產安全。長期以來，高鐵軌道的檢測采用的是人工巡檢，容易受到天氣條件、光照等的影響，而且鐵軌巡檢人員存在安全隱患。基于圖像處理的高鐵軌道故障檢測具有重要的研究價值。

由于在實際中高鐵軌道故障的塞釘較少，所以可以通過拍攝多個月份同一個位置的高鐵軌道并比較塞釘的變化，以此來判斷塞釘是否存在故障。

高鐵軌道中塞釘故障檢測主要包括兩個方面：軌道對齊和故障檢測。軌道圖像對齊與檢測主要有三個難點：一是鐵軌軌道的差異較小，直接進行匹配容易造成錯誤匹配。二是圖像的定位信息不準確,鐵軌巡檢車裝有GPS系統，但是GPS定位存在誤差。三是高鐵軌道受光照因素影響很大，由于拍攝的時間不同，光照不同，同一位置的鐵軌在亮度上有很大的差異。

傳統的塞釘檢測方法依賴的特征都是憑經驗人工構建的，比如經典的HOG、LBP特征等 [1-4]，然后基于傳統的分類模型進行判定，這樣的方法在特征表達與分類器的性能上往往具有較大的局限性。

和人工構建的特征相比，深度學習算法可以自動訓練合適的特征表示，如果加入合理運用，可以提高高鐵軌道中塞釘故障的檢測性能。在文獻[5]中使用的基于深度網絡的分類模型進行鐵軌表面缺陷的檢測，然后其中并沒有用到基于深度網絡的特征表達。在文獻[6]中，作者提出了基于深度網絡結構的物體檢測算法，但它并沒包含針對處理高鐵軌道圖像中出現的對齊與環境變化問題的應對措施。

本發明解決上述問題，提出了基于深度網絡的圖像對齊模型與物體故障檢測模型，并針對高鐵軌道照片的拍攝環境變化做了模型設計與算法優化，實現了高精度的故障檢測。本方案中提出的解決思路不僅可以用到高鐵軌道中的塞釘故障檢測，還可以適用于其它類型高鐵軌道中的部件故障檢測。

參考文選：

[1]杜馨瑜,高利民,吳楠,程雨,王曉東.鐵道塞釘圖像檢測方法及裝置.CN201510752738.8,2016.

[2]E.Deutschl,C.Gasser,A.Niel and J.Werschonig.Defect detection onrail surfaces by a vision based system.IEEE Intelligent Vehicles Symposium,2004,pp. 507-511.

[3]Lin Jie,Luo Siwei,Li Qingyong,Zhang Hanqing and Ren Shengwei.Real-time rail head surface defect detection:A geometrical approach.2009IEEEInternational Symposium on Industrial Electronics,Seoul,2009,pp.769-774.

[4]杜馨瑜.基于計算機視覺技術的鐵道塞釘自動定位算法.鐵道通信信號, 52(9):68-72,2016.

[5]唐湘娜,王耀南.鐵軌表面缺陷的視覺檢測與識別算法.計算機工程,39(3):25-30, 2013.