一种轨道巡检方法及系统与流程

本发明涉及轨道巡检技术领域，特别涉及一种轨道巡检方法及系统。

背景技术：

当前对城市轨道交通轨道线路的检查一般都是在每天夜间运营停止运行后，利用人工到线路步行巡视的方式，人眼观察发现缺陷。采用人工步行巡检方式，存在工作效率低、轨道缺陷识别率低等问题。

目前个别城市的部分线路配备了安装在工程车上的自动巡检装置，利用夜间检修时间，在工程车辆的快速行走过程中，对轨道状态进行快速自动检查。该装置一般采用传统视觉模式识别技术，通过模式识别的方式，提取标准的轨道部件的图像特征，与当前拍摄到的特征图像进行匹配，根据匹配度来确定是否存在轨道缺陷。在实际运用过程中，由于光照条件变化、车辆振动、轨道线路设备复杂等原因，导致图像拍摄角度及拍摄效果与标准特征图像存在一定的差异，导致识别率较低。

技术实现要素：

为了克服现有技术的不足，本发明提供一种轨道巡检方法，该方法能智能识别轨道缺陷，提高轨道缺陷识别率和识别速度。

为了达到上述目的，本发明采用以下技术方案：

一种轨道巡检方法，包括以下步骤：获取列车轨道的图像信息和位置信息；从所述图像信息中截取感兴趣区域图像；将所述感兴趣区域图像输入深度学习网络；在识别出所述感兴趣区域图像为异常时，向服务器和车辆终端监控设备发送所述感兴趣区域图像以及所述位置信息，实现轨道巡检。

与现有技术相比，本发明通过从所述图像信息中提取感兴趣区域图像，并将感兴趣区域图像输入深度学习网络，利用深度学习网络的高检测速度和高准确率，智能识别轨道缺陷，提高轨道缺陷识别率；在识别出感兴趣区域图像为异常时，及时将缺陷信息及对应轨道位置发送至向服务器和车辆终端监控设备，使得工作人员及时发现轨道问题并确定轨道问题所在的轨道位置，及时到达轨道缺陷所在位置并解决轨道问题，防止列车事故的发生。

作为优选，所述感兴趣区域图像包括扣件轮廓图像，所述深度学习网络包括扣件分类器；将所述感兴趣区域图像输入深度学习网络，包括如下步骤：将截取出的扣件轮廓图像输入所述扣件分类器；所述扣件分类器包括弹条正常类、弹条脱落类、螺丝正常类、螺丝松动类和螺丝脱落类；通过如下步骤识别所述扣件轮廓图像为异常：在识别出所述扣件轮廓图像为所述弹条脱落类、所述螺丝松动类和所述螺丝脱落类中的任意一种时，则所述扣件轮廓图像为异常。

本发明根据扣件日常出现高频率的构件问题进行弹条正常、弹条脱落、螺丝正常、螺丝松动和螺丝脱落分类，并通过这几类的分类器对扣件缺陷进行识别，进而利用深度学习网络的高检测速度和高准确率，智能识别扣件缺陷，提高扣件缺陷识别率。

作为优选，所述感兴趣区域图像包括轨枕图像；从所述图像信息中截取感兴趣区域图像，包括如下步骤：从所述图像信息中检测所述扣件轮廓图像的区域坐标；所述区域坐标用于指示扣件轮廓图像的像素区域；在所述区域坐标的纵坐标上增加预设的轨枕像素高度，以定位并截取与所述扣件轮廓图像对应的轨枕图像。

本发明利用扣件与轨枕的位置关系，同时利用扣件易识别的特点，直接在识别的扣件坐标中增加轨枕的像素高度即可获得轨枕位置信息信息，提高了轨枕信息的获取效率和获取的准确率，再利用深度学习算法检测轨枕缺陷信息，提高轨枕缺陷识别率。

作为优选，所述深度学习网络包括轨枕破损分类器；通过如下步骤识别所述轨枕图像为异常：将所述轨枕图像输入所述轨枕破损分类器中；在识别出所述轨枕图像为轨枕破损时，则所述轨枕图像为异常。

作为优选，所述列车轨道包括感应板和道床，所述感应板和所述道床之间标识有一条直线；所述感兴趣区域图像包括感应板图像；所述轨道巡检方法还包括如下步骤：采用hough变换分析检测检测所述感应板图像上的直线条数；在所述直线条数为两条时，计算所述两条直线之间的距离；其中，所述距离用于指示所述感应板的位移；在所述距离大于预设的距离阈值时，判定所述感应板图像为异常。

本发明通过用图像中识别直线替代感应板的移位的识别，利用hough变换检测直线优点，通过识别标识的直线的条数，快速识别感应板是否存在移位现象，提高感应板移位缺陷的识别准确率和识别率。

作为优选，在获取列车轨道的图像信息和位置信息之后，还包括如下步骤：对所述图像信息进行滤波处理；采用canny边缘检测从滤波后的图像信息中检测疑似异物图像的边缘图像；对所述疑似异物的边缘图像进行形态学闭运算，得到所述疑似异物的连通轮廓图像；根据所述疑似异物的连通轮廓图像确定所述疑似异物的连通区域；在所述疑似异物的连通区域面积大于或等于预设的第一面积阈值时，判定所述疑似异物为初次疑似异物，实现初次疑似异物的检测；在所述疑似异物的连通区域面积小于预设的第二面积阈值时，判定所述疑似异物为非疑似异物，实现非异物的检测。

作为优选，在实现初次疑似异物检测之后，还包括如下步骤：将所述初次疑似异物的连通区域输入预设的二次检测分类器中；其中，所述二次检测分类器包括白斑类、缝隙类、管道类、水坑类、铁块类和钢轨类；在所述识别出所述初次疑似异物的连通区域为所述预设的二次检测分类器中的任意一类时，从所述初次疑似异物的连通区域中剔除对应的连通区域，得到异物的连通区域，实现异物识别。

本发明与传统图像识别方法相结合，先通过对疑似异物的信息中，识别出在同一条线路上相对固定的、被错误识别的对象，再从疑似异物的信息中剔除相对固定的、被错误识别的对象。采用该方法，减少轨道异物识别错误的概率，提升了轨道异物识别的准确性。

作为优选，所述图像信息通过如下步骤获取：通过设置于列车底部的高速激光测距传感器实时采集轨枕位置信息；所述轨枕位置信息用于指示所述轨道中出现轨枕；在采集到所述轨枕位置信息时，通过设置于所述列车底部的高速工业摄像机采集所述图像信息。

与现有技术相比，本发明通过轨枕位置处拍摄轨道图片，保证拍摄时能获取轨道全局图像；还通过采用了高帧率高分辨的高速工业相机对轨道采集图像，克服电客车在高速运行中产生的晃动使得图片脱影、画质不佳的技术问题；同时，结合高效率的深度学习算法对图片进行分析处理，实现对轨道图像缺陷的智能识别和快速识别；进而使得该方法能运用于高速行驶的载客列车中。载客列车在日常载客运行的过程中对轨道状态进行不断的自动检查，提高轨道状态巡检频率，进而及时发现轨道缺陷，防止列车事故的发生。

作为优选，所述轨道的位置信息通过如下步骤获得：通过设置于列车车轮轴头上的速度编码器获取车轮运动的脉冲信息；根据所述脉冲信息定位所述轨道的位置信息。

本发明另一个方面对应地提供一种轨道巡检系统，该系统用于执行上述所述的轨道巡检方法，所述轨道巡检系统安装于电客车上。

该系统安装在电客车上，运用于高速运行的载客列车中，列车在运行过程中对轨道进行巡检，具有高轨道缺陷识别率、高轨道缺陷识别准确率的同时，还提高轨道巡检次数，克服现有技术中人工巡检效率低、轨道缺陷识别率低、巡检成本高的技术问题；克服工程车只能每隔每个月或者半个月对线路检查一次、轨道巡检率低的技术问题。

附图说明

现结合附图与具体实施例对本发明作进一步说明：

图1是本发明一种轨道巡检方法的流程示意图；

图2是本发明一种轨道巡检方法中扣件缺陷识别流程图；

图3是本发明一种轨道巡检方法中轨枕缺陷识别流程图；

图4是本发明一种轨道巡检方法中感应板缺陷识别流程图；

图5是本发明一种轨道巡检方法中轨道异物识别流程图；

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，是本发明实施例1一种轨道巡检方法的流程示意图。

该轨道巡检方法，包括以下步骤：

s1、获取列车轨道的图像信息和位置信息；

s2、从所述图像信息中截取感兴趣区域图像；

s3、将所述感兴趣区域图像输入深度学习网络；

s4、在识别出所述感兴趣区域图像为异常时，向服务器和车辆终端监控设备发送所述感兴趣区域图像以及所述位置信息，实现轨道巡检。

与现有技术相比，本发明的轨道巡检方法通过从所述图像信息中提取感兴趣区域图像，并将感兴趣区域图像输入深度学习网络，利用深度学习网络的高检测速度和高准确率，智能识别轨道缺陷，提高轨道缺陷识别率；在识别出感兴趣区域图像为异常时，及时将缺陷信息及对应轨道位置发送至向服务器和车辆终端监控设备，使得工作人员及时发现轨道问题并确定轨道问题所在的轨道位置，及时到达轨道缺陷所在位置并解决轨道问题，防止列车事故的发生。

如图2所示，是本发明一种轨道巡检方法中扣件缺陷识别流程图。

所述感兴趣区域图像包括扣件轮廓图像，所述深度学习网络包括扣件分类器；步骤s3将所述感兴趣区域图像输入深度学习网络，包括如下步骤：

将截取出的扣件轮廓图像输入所述扣件分类器；所述扣件分类器包括弹条正常类、弹条脱落类、螺丝正常类、螺丝松动类和螺丝脱落类；

通过如下步骤识别所述扣件轮廓图像为异常：

在识别出所述扣件轮廓图像为所述弹条脱落类、所述螺丝松动类和所述螺丝脱落类中的任意一种时，则所述扣件轮廓图像为异常。

其中，扣件分类器通过如下步骤训练得到：训练第一模型；通过第一模型识别感兴趣区域图像，并从第一模型识别出的图像中，筛选出识别错误的图像；从所述错误的图像中随机筛选出部分图像作为样本，训练出优化的扣件分类器。

扣件训练分为6个类，包括弹条正常、弹条松动、弹条脱落、螺丝正常、螺丝松动、螺丝脱落；这样分类一方面是由于扣件弹条与螺丝本身独立性决定的，另一方面，可以通过分开识别判断出弹条松动的距离。

本发明根据扣件日常出现高频率的构件问题进行弹条正常、弹条脱落、螺丝正常、螺丝松动和螺丝脱落分类，并通过这几类的分类器对扣件缺陷进行识别，进而利用深度学习网络的高检测速度和高准确率，智能识别扣件缺陷，提高扣件缺陷识别率。

如图3所示，是本发明一种轨道巡检方法中轨枕缺陷识别流程图。

所述感兴趣区域图像包括扣件轮廓图像和轨枕图像；从所述图像信息中截取感兴趣区域图像，包括如下步骤：

从所述图像信息中检测所述扣件轮廓图像的区域坐标；所述区域坐标用于指示扣件轮廓图像的像素区域；

在所述区域坐标的纵坐标上增加预设的轨枕像素高度，以定位并截取与所述扣件轮廓图像对应的轨枕图像。

在具体实施过程中，由于轨枕区域位于扣件正下方，且获取轨道图像信息的所使用的高速工业相机位置固定、图像分辨率相同，故扣件轮廓图像中的像素个数基本不变。因此，可通过扣件轮廓图像的坐标(x1,y1,x2,y2)得到轨枕轮廓图像的坐标(x1,y2,x2,y2+h)，其中(x1,y1)、(x2,y2)分别为扣件轮廓图像的左上点和右下点，h为预设的轨枕像素高度。

本发明利用扣件与轨枕的位置关系，同时利用扣件易识别的特点，直接在识别的扣件轮廓图像坐标中增加轨枕预设的像素高度即可获得轨枕轮廓图像的坐标，提高了轨枕信息的获取效率和获取的准确率。

作为优选，所述深度学习网络包括轨枕破损分类器；将所述感兴趣区域图像输入深度学习网络，包括：将所述轨枕图像输入所述轨枕破损分类器中；

通过如下步骤识别所述轨枕图像为异常：在识别出所述轨枕图像为轨枕破损时，则所述轨枕图像为异常。

其中，可以采用如下方法训练轨枕破损分类器：

根据扣件轮廓图像的区域坐标中获取得到轨枕区域坐标；利用hog提取轨枕区域内轨枕的纹理信息；将提取到的破损的轨枕的纹理信息作为正样本、正常的轨枕的纹理信息作为负样本，并按照3：1的比例输入到深度学习网络模型进行训练。

hog与haar相比能更好提取到图像轮廓纹理信息，而破损的轨枕正好有着明显的纹理特征，正常轨枕纹理较少；所以采用hog轨枕的纹理信息作为训练样本，能很好区分轨枕正常和破损。

如图4所示，是本发明一种轨道巡检方法中感应板缺陷识别流程图。

所述列车轨道包括感应板和道床，所述感应板和所述道床之间标识有一条直线；所述感兴趣区域图像包括感应板图像；

所述轨道巡检方法还包括如下步骤：

采用hough变换分析检测检测所述感应板图像上的直线条数；

在所述直线条数为两条时，计算所述两条直线之间的距离；其中，所述距离用于指示所述感应板的位移；

在所述距离大于预设的距离阈值时，判定所述感应板图像为异常。

本发明的轨道巡检方法中，通过用图像中识别直线替代感应板的移位的识别，利用hough变换检测直线优点，通过识别标识的直线的条数，快速识别感应板是否存在移位现象，提高感应板移位缺陷的识别准确率和识别率。

如图5所示，是本发明一种轨道巡检方法中轨道异物识别流程图。

在获取列车轨道的图像信息和位置信息之后，还包括如下步骤：

对所述图像信息进行滤波处理；

采用canny边缘检测从滤波后的图像信息中检测疑似异物图像的边缘图像；

对所述疑似异物的边缘图像进行形态学闭运算，得到所述疑似异物的连通轮廓图像；

根据所述疑似异物的连通轮廓图像确定所述疑似异物的连通区域；

在所述疑似异物的连通区域面积大于或等于预设的第一面积阈值时，判定所述疑似异物为初次疑似异物，实现初次疑似异物的检测；

在所述疑似异物的连通区域面积小于预设的第二面积阈值时，判定所述疑似异物为非疑似异物，实现非异物的检测。

由于光照等因素影响，在检测过程中会存在很多小的分异物的连通区域，本发明通过预设面积阈值，排除小于面积阈值的分异物的连通区域，降低异物连通区域误检的概率。

作为优选，在实现初次疑似异物检测之后，还包括如下步骤：

将所述初次疑似异物的连通区域输入预设的二次检测分类器中；其中，所述二次检测分类器包括白斑类、缝隙类、管道类、水坑类、铁块类和钢轨类；

在所述识别出所述初次疑似异物的连通区域为所述预设的二次检测分类器中的任意一类时，从所述初次疑似异物的连通区域中剔除对应的连通区域，得到异物的连通区域，实现异物识别。

本发明与传统图像识别方法相结合，先通过统图像识别方法识别出初次疑似异物的连通区域，再通过深度学习网络，在初次疑似异物的连通区域中，识别出在同一条线路上相对固定的、被错误识别的连通区域，再初次疑似异物的连通区域中剔除相对固定的、被错误识别的连通区域，最终获得异物的连通区域，实现异物识别。采用该方法，减少轨道异物识别错误的概率，提升了轨道异物识别的准确性。

钢轨缺陷较少，因少量钢轨缺陷导致训练出的模型的识别率低，因此在轨道巡检时，直接利用传统图像识别算法识别钢轨缺陷即可。

作为优选，所述图像信息通过如下步骤获取：

通过设置于列车底部的高速激光测距传感器实时采集轨枕位置信息；所述轨枕位置信息用于指示所述轨道中出现轨枕；

在采集到所述轨枕位置信息时，通过设置于所述列车底部的高速工业摄像机采集所述图像信息。

其中，高速激光测距传感器的参数配置如下：

测量范围：60～2000mm；响应时间：1ms；测量分辨率：1mm；激光类型：1类激光；模拟量输出：4～20ma。

所述图像信息由六组高速工业摄像机及配套光源采集，其中四组高速工业摄像机分别从轨道两个侧面拍摄钢轨区域，两组高速工业摄像机分别从道床区域的中间拍摄钢轨区域。

由于列车的高速行驶同时要确保每个扣件必须拍到还要保证高的识别率，轨道上两个扣件之间距离为0.6m，按照列车最高时速120km/h考虑，采用四路高速工业摄像机用于拍摄轨道两个侧面的钢轨区域，可以保证快速拍到每个扣件的同时，且配合扣件异常识别方法，快速识别扣件异常与否。

作为优选，所述轨道的位置信息通过如下步骤获得：

通过设置于列车车轮轴头上的速度编码器获取车轮运动的脉冲信息；

根据所述脉冲信息定位所述轨道的位置信息。

轨道线路上在轨道中间每隔一定距离，一般为1km，布置有一个rfid电子标签，电子标签芯片上存储有其所在位置的里程信息。因此，在根据所述脉冲信息定位所述轨道的位置信息时，还可以包括如下步骤：读取所述轨道的rfid标识；所述rfid标识用于指示轨道的位置坐标；根据所述rfid标识校准所述轨道的位置信息。

每当安装在列车底部的电子标签阅读器读取到电子标签信息时，对当前检测的轨道位置信息进行一次校准，进而避免产生累积计算误差。

本发明另一个方面提供一种轨道巡检系统，该系统用于执行所述轨道巡检方法，所述轨道巡检系统安装于电客车上。

该系统安装在电客车上，运用于高速运行的载客列车中，列车在运行过程中对轨道进行巡检，具有高轨道缺陷识别率、高轨道缺陷识别准确率的同时，还提高轨道巡检次数，克服现有技术中人工巡检效率低、轨道缺陷识别率低、巡检成本高的技术问题；克服工程车只能每隔每个月或者半个月对线路检查一次、轨道巡检率低的技术问题。

本发明所述的一种轨道巡检方法及系统，能智能识别轨道缺陷，提高轨道缺陷识别率和识别速度，使得该方法及系统能运用于列车日常载客运行的过程中。列车日常载客运行时，采用该方法对轨道线路缺陷进行实时检测，以取代安排大量的人员步行巡视线路的方式，节约大量的人力资源，提高轨道巡检率和轨道缺陷识别率。

本发明在列车运行时段对轨道状态进行不间断的巡视检查，发现缺陷可实时报警处理，具有更高的实时性。

本发明并不局限于上述实施方式，如果对本发明的各种改动或变型不脱离本发明的精神和范围，倘若这些改动和变型属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变动。