一种轨道表面缺陷智能在线检测装置及检测方法与流程

技术特征：

1.一种轨道表面缺陷智能在线检测装置，其特征在于：由轨道表面确缺陷检测系统、轨道表面缺陷检测模型在线更新系统、列车组数据交互系统、轨道缺陷定位系统、异常处理系统以及供电系统构成；

其中，所述轨道表面缺陷检测系统包括图像获取子系统和轨道检测分类子系统，所述图像获取系统由基座(17)、与基座(17)连接的减震装置(20)、标定组件(40)、光源(50)以及图采集器(30)组成；所述轨道分类检测子系统由与图像采集器(30)连接的图像处理器(60)、轨道识别模块(70)以及轨道分类模块(80)组成；

所述轨道表面缺陷检测模型在线更新系统由人机交互接口(90)、图像标记与神经网络训练中心(100)以及与轨道识别模块(70)和轨道分类模块(80)连接的模型参数更新模块(110)组成，人机交互接口(90)通过图像标记与神经网络训练中心(100)与模型参数更新模块(110)相连；

所述列车组数据交互系统由信号收发模块(120)、数据同步模块(130)、数据标准化模块(140)以及中心数据库(150)组成，信号收发模块(120)通过数据同步模块(130)、数据标准化模块(140)与中心数据库(150)相连；

所述轨道缺陷定位系统由、与速度/加速度传感器(160)相连的相对位置推算模块(170)、GPS/北斗(180)、与GPS/北斗(180)相连的绝对位置推算模块(190)、以及与相对位置推算模块(170)以及绝对位置推算模块(190)连接的融合定位模块(200)组成；

所述异常处理系统由与各系统连接的异常检测模块(250)、异常分类模块(260)、异常报警器(270)以及与异常报警器(270)相连的异常清除(280)组成，异常检测模块(250)通过异常分类模块(260)与异常报警器(270)相连；

所述供电系统由列车电力系统模块(210)、常规供电模块(220)、应急供电模块(230)和电源适配模块(240)组成，列车电力系统模块(210)分别通过常规供电模块(220)和应急供电模块(230)与电源适配模块(240)相连。

2.根据权利要求1所述的一种轨道表面缺陷智能在线检测装置，其特征在于：所述减震装置(20)由与列车固定的保护罩(1)、液压阻尼器液压缸筒I(2)、纵向减震弹簧I(3)3、活塞杆I(4)、摄像器(5)、摄像器固定装置(6)、横向减震弹簧I(9)、光源固定件(10)、光源(11)、纵向减震弹簧II(12)、横向减震弹簧II(13)、轴向减震弹簧(15)构成；

所述摄像器(5)固定于摄像器固定装置(6)内，摄像器固定装置(6)通过连接件(7)、销件(8)以及液压阻尼器与保护罩(1)连接；所述光源(11)通过光源固定件(10)与保护罩(1)固定。

3.根据权利要求1所述的一种轨道表面缺陷智能在线检测装置的检测方法，其特征在于，包括以下步骤：

A、利用安装在列车上的图像采集器(30)拍摄轨道的连续图像；所述图像采集器(30)采用高速面阵CCD相机并安装定焦镜头，将获取的图像传输到图像处理器(60)；

B、轨道识别模块(70)对获取图像中的轨道进行识别与提取：图像处理器(60)对图像进行预处理，在去除图像无用信息的同时增强有用的真实信息；

C、对提取出轨道的图像进行轨道初步处理与定位；

D、对精确定位出的轨道进行缺陷检测：在轨道的准确定位后，选择inception-v3作为基础网络结构，利用卷积神经网络进行轨道图像分类；通过图像数据迁移训练得到所需模型，并应用于大型神经网络。

4.根据权利要求3所述的一种轨道表面缺陷智能在线检测装置的检测方法，其特征在于，所述步骤B具体包括以下步骤：

B1、对图像采集器(30)传输的图像进行灰度化处理：利用灰度加权法将原始RGB轨道图像进行灰度化处理，加权后图片灰度值f(i，j)计算公式如(1)，

f(i，j)＝αR(i，j)+βG(i，j)+γB(i，j) (1)

式(1)中，α、β、γ为灰度值计算公式系数，i表示该像素所在图像的行标，j表示该像素所在图片的列标，R(i，j)表示原始图像该像素的红色像素分量，G(i，j)表示原始图像该像素的绿色分量，B(i，j)表示原始图像该像素的蓝色分量；

B2、对上述操作所得图像进行感兴趣区域分割：采用基于高斯分布模型的自适应阈值分割方法；在ROI区域，计算各像素点灰度的均值和方差，再根据公式(2)计算出分割阈值，以此为据对灰度图进行分割，得到二值图像；

Ir＝μI3σI (2)

式(2)中，μf表示素点灰度的均值，σf表示素点灰度的方差，IT表示分割阈值；

B3、对上述所得图像进行形态学处理：运用T×T像素的结构元素二值图像进行处理，对图像进行膨胀、腐蚀操作，将两幅图像做差得到图像边缘信息，识别出拍摄图像中的轨道。

5.根据权利要求3所述的一种轨道表面缺陷智能在线检测装置的检测方法，其特征在于，所述步骤C具体包括以下步骤：

C1、轨道图片的滤波处理：先采用中值滤波，再进行双边滤波；双边滤波中，像素的输出值依赖于邻域像素值的加权组合，计算方法如公式(3)，

式(3)中，加权系数h(i，j，k，l)决于定义核和值域核的乘积；

其中，定义核域表示为公式(4)，

值域核表示为公式(5)，

权重函数表示为公式(6)，

h(i，j，k，l)＝dv； (6)

C2、利用canny算子对轨道图像进行边缘检测；

C3、对所得图像进行初步伪边缘去除：利用阈值法进行初步伪边缘去除，其中，阈值ST的计算方法如公式(7)，

式(7)中，n为图片总列数，Imax为最大像素值，Is为像素缩小倍数；

C4、对所得图片进行进一步的伪边缘去除，本发明提出约束条件(8)去除伪边缘，

式(8)式中STDi为轨道图像第i行的像素值标准差，其中i＝(0，1，2，…，m-1)，n代表输入图像的总列数，m代表输入图像的总行数，c是可以调整的动态因子；

C5、轨道拟合及定位：对伪边缘清理后保留下的两组边缘点进行线性拟合，在得到两直线的截距和斜率后能够近似恢复实际边缘。

6.根据权利要求3所述的一种轨道表面缺陷智能在线检测装置的检测方法，其特征在于：所述步骤C是通过使用基于卡尔曼滤波、衰减记忆滤波传感器融合技术以融合GPS/北斗及惯性传感器数据实现列车的的定位，并利用高精度地图定位方法与上述GPS/北斗和IMU融合的定位方法互相纠正定位误差实现列车的精确定位。

7.根据权利要求3所述的一种轨道表面缺陷智能在线检测装置的检测方法，其特征在于：所述步骤D，利用确认的已知检测结果并进行标记的图像传送至神经网络训练中心，对该神经网络模型进行再次监督训练；最后利用完成再次训练的模型更新轨道表面缺陷检测系统，提高检测系统的准确性。

8.根据权利要求3所述的一种轨道表面缺陷智能在线检测装置的检测方法，其特征在于：步骤A，在列车前端与列车后端各安装一套图像获取子系统，利用前后两系统的对识别结果进行校验提高检测系统的准确性并防止瘫痪。