[發明專利]一種鐵路軌道超聲自動探傷方法

有效

• 申請號: 202110047356.0
• 申請日: 2021-01-14
• 公開（公告）號: CN112903813B
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 張渝;王禎;趙波;彭建平;黃煒;王楠;王小偉;章祥;胡繼東;岳麗霞
• 申請（專利權）人: 北京安鐵軟件技術有限公司
• 主分類號: G01N29/04
• 分類號: G01N29/04;G01N29/46
• 代理公司: 成都市集智匯華知識產權代理事務所(普通合伙) 51237
• 代理人: 羅艷

1.一種鐵路軌道超聲自動探傷方法，其特征在于，包括：

S1：采集列車軌道的超聲B掃圖像；

S2：基于所述超聲B掃圖像提取多尺度數據集，包括：S21：對所述超聲B掃圖像進行單通道數據分割生成多個第一分割框；S22：對多個所述第一分割框進行組合通道數據框合并生成多個第二分割框；S23：基于多個所述第二分割框進行多尺度數據提取后，合并生成所述多尺度數據集；

S3：計算所述多尺度數據集中包含的缺陷特征數據和缺陷特征類型；

S4：基于所述缺陷特征類型和所述缺陷特征數據生成檢測報告。

2.根據權利要求1所述的超聲自動探傷方法，其特征在于，所述S21包括：

S211：提取所述超聲B掃圖像的單通道數據；

S212：計算所述單通道數據的數據點之間的水平距離和深度距離；

S213：遍歷所述單通道數據的數據點之間水平距離小于第一閾值且深度距離小于第二閾值的多個數據點并構成至少一個數據群，同時提取所述數據群中縱坐標最小和縱坐標最大的兩個數據點并構成所述數據群對應的所述第一分割框；

S214：重復步驟S211-S213直至提取所述超聲B掃圖像的全部通道數據的多個所述數據群及其對應的所述第一分割框。

3.根據權利要求2所述的超聲自動探傷方法，其特征在于，所述S22包括：

S221：將多個所述單通道數據按照拍攝角度依次水平拼接后生成多通道數據；

S222：對所述多通道數據中的全部數據群對應的所述第一分割框進行長度增長第三閾值、寬度增長第四閾值的膨脹化處理；

S223：以所述多通道數據中的任一所述數據群為中心，計算所述數據群對應的所述第一分割框與相鄰數據群對應的所述第一分割框的重合度，在重合度超過第五閾值的情況下，對所述數據群與其相鄰的所述數據群進行數據群及分割框合并處理；

S224：重復步驟S223直至完成全部所述數據群的合并處理，生成合并后的多個所述數據群及其對應的多個所述第二分割框。

4.根據權利要求3所述的超聲自動探傷方法，其特征在于，所述S23包括：

對多個所述數據群進行多次且不同顆粒度的分割框合并，并生成不同顆粒度的多種第三分割框及其對應的數據群；

以顆粒度最大的所述第三分割框作為主框、顆粒度最大的所述第三分割框的所述數據群作為主數據群，其余顆粒度的所述第三分割框作為從框、其余顆粒度的所述第三分割框對應的所述數據群作為從數據群，生成所述多尺度數據集。

5.根據權利要求1所述的超聲自動探傷方法，其特征在于，所述S3包括：

S31：利用條件判傷算法計算所述多尺度數據集中包含的缺陷特征數據；

S32：利用神經網絡模型提取所述多尺度數據集中包含的缺陷特征區域和所述缺陷特征類型。

6.根據權利要求5所述的超聲自動探傷 方法，其特征在于，所述S32包括：

構建用于提取缺陷特征區域及類型的網絡模型，獲取由多張超聲B掃照片構成的數據集并對每張所述超聲B掃照片的缺陷特征區域及缺陷特征類型進行標注，生成由多張包含缺陷特征區域及缺陷特征類型標記的照片構成的訓練樣本集和測試集；

基于所述訓練樣本集和所述測試集，對所述網絡模型進行訓練并驗證，生成用于提取缺陷特征區域及類型的檢測模型；

將所述多尺度數據集輸入神經網絡單元，基于所述檢測模型提取缺陷特征區域及所述缺陷特征類型。

7.根據權利要求5所述的超聲自動探傷方法，其特征在于，所述S4包括：

S41：基于所述特征類型對應的所述缺陷特征區域調用所述缺陷特征數據對應區域內第二缺陷特征數據；

S42：基于所述缺陷特征類型調用相應的判傷算法；

S43：所述判傷算法基于所述第二缺陷特征數據生成對應區域下的區域檢測報告；

S44：重復步驟S41-S43直至生成全部所述缺陷特征區域的所述區域檢測報告，并構成所述檢測報告。