[發明專利]一種鋼軌傷損分類裝置

在審

• 申請號: 201910549783.1
• 申請日: 2019-06-24
• 公開（公告）號: CN110246134A
• 公開（公告）日: 2019-09-17
• 發明（設計）人: 黃夢瑩;羅江平;王文星;曹經緯;夏浪
• 申請（專利權）人: 株洲時代電子技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 馬德勝

本發明公開了一種鋼軌傷損分類裝置，包括：傷損圖庫建立模塊、特征提取模塊、傷損分類模塊及分類結果顯示模塊。傷損圖庫建立模塊基于標定的傷損圖像數據創建傷損圖庫。特征提取模塊提取傷損圖庫中傷損圖像的特征值并組成特征向量。傷損分類模塊對每類傷損圖像的特征向量進行訓練，得到傷損圖像的最優分類函數，并將未經訓練的傷損圖像的特征向量輸入最優分類函數進行測試。分類結果顯示模塊對傷損圖像的分類測試結果進行可視化輸出。本發明能夠解決現有傷損判別方法在面對復雜的環境，無法囊括所有傷損的判別規則，從而導致部分傷損無法識別和誤報率高，以及響應時間長、效率低的技術問題。

技術領域

本發明涉及圖像處理技術領域，尤其是涉及一種應用于鋼軌探傷的鋼軌傷損分類裝置，通過選擇恰當的特征提取算法和分類模型能夠實現較高的分類準確率。

背景技術

鋼軌探傷車即為配備鋼軌探傷檢測系統的專用工程車輛，其具備自動檢測和識別鋼軌內部傷損的能力，在國內已被各大路局廣為使用。鋼軌探傷車采用超聲波的探傷原理，由6個探輪內(共計30個)不同入射角度的換能器發射出超聲波，當遇到鋼軌中的障礙物時，超聲波脈沖將會被其反射，并由換能器接收。換能器接收后傳遞給系統處理及分析，最后系統將采集的數據和算法識別結果以B型圖的形式顯示。B型圖中橫坐標表示探頭的掃查軌跡，縱坐標表示超聲波的傳播時間(或距離)，鋼軌中障礙物的位置可根據換能器發射與接收超聲波的時間進行定位，并以柵格的形式顯示在B型圖中，其中，不同柵格顏色表示由不同角度的換能器定位后的障礙物位置。

如果說鋼軌探傷檢測系統是鋼軌探傷車的大腦，那么識別算法則是鋼軌探傷檢測系統的神經單元。在鋼軌探傷檢測系統的實際使用過程中，由于其采用固定的決策樹規則進行判傷，面對復雜的環境，無法囊括判別所有傷損的規則，因此造成部分傷損無法識別和誤報率高的問題。并且，由于地域性因素，在與廠商交流反饋的過程中，存在響應時間長、效率低等問題。以GTC80Ⅱ型探傷車在興平標定線上采集到的數據為例，其中標定線上的傷損由人工設定。附圖1和附圖2表示左右軌上相同位置處的軌腰通孔的B顯片段示例，若算法識別出傷損，則會在傷損外用框標記。如附圖1所示，算法未能識別出該傷損，附圖2中算法識別出了此傷損。其原因在于B顯圖像不同于自然圖像，前者受外界因素干擾大，即便檢測同類型的傷損，受速度、對中情況等因素的影響，將會導致超聲波傳播時間不一致，因此難以形成一模一樣的柵格圖像。面對變化眾多的柵格圖像，一旦柵格圖像的變化超過軟件自身算法識別規則，則容易出現漏報、誤報問題。

在現有技術中，主要由以下技術方案與本發明申請相關：

該現有技術為哈爾濱工業大學(威海)于2015年01月10日申請，并于2015年07月01日公開，公開號為CN104751169A的中國發明申請《高鐵鋼軌傷損分類方法》。該發明申請提供了一種高鐵鋼軌傷損分類方法，其首先利用小波分析方法提取有損信號的時域和頻域局部特征，對同一測量點結合不同車廂建立三維張量信號，將數據擴展到多維空間得到非負張量，采用交替最小二乘算法作為非負張量分解的迭代準則，接著引入奇異值分解對非負張量的初始化進行改進，利用改進的非負張量分解方法提取隱藏的特征，最后引入極限學習機算法實現對鋼軌傷損的實時分類。該發明方法可以準確對鋼軌傷損信號進行分類，提高了傷損分類的速度和準確性且具有較好魯棒性。

首先，現有技術采用小波分析方法對振動信號特征進行提取，并采用極限學習機(ELM)進行分類，特征提取算法較為簡單，且提取的特征不具有代表性。其次，現有技術先將原始數據集A分為兩部分，得到一大一小兩個數據集，其中將較大的數據集作為訓練樣本集B，將較小的數據集當作測試樣本集C，而未進行交叉驗證，人為劃分訓練集和測試集存在主觀性。再次，現有技術主要是基于傳統超聲技術探傷車的探測速度無法滿足高鐵的傷損檢測速度需求，而傳統超聲技術探傷車已實現80km/h的檢測速度，能滿足高鐵傷損的檢測需求。且現有技術僅憑收集高鐵在鋼軌上的振動信號探測出鋼軌內部的傷損，這種方式存在振動信號干擾因素過多，分類結果不準確等技術缺陷。

發明內容