基于深度卷积神经网络的雷达信号铁路路基病害检测方法技术

本发明专利技术涉及的是一种基于深度卷积神经网络的雷达信号铁路路基病害检测方法。该方法通过车载路基检测雷达自动扫描采样获得路基原始雷达数据，然后抽取各扫描道轨枕上界面处的雷达反射信号序列进行频谱分析，获得轨枕和铁轨强反射信号的频谱灰度图；通过标注采集的部分信号频谱图中病害，设计深度卷积神经网络提取信号分析特征图，采用候选区域网络和全连接层，多次迭代构建铁路路基病害检测模型，得到路基病害的分类和检测框的预测。该方法首次提出利用深度卷积神经网络，分析铁路路基探地雷达信号中铁轨和轨枕的强反射信号，实现有砟铁路路基病害的快速检测和病害识别，为路基病害的快速整治处理提供技术支持，满足未来线路自动检测、快速养护的需求，保证铁路运营安全。

Detection method of radar signal railway subgrade disease based on deep convolution neural network

The invention relates to a radar signal railway subgrade disease detection method based on deep convolution neural network. The vehicle subgrade detection radar automatic scanning sampling to obtain original subgrade radar data, and then extract the radar signal sequence at the interface of scan on the sleeper for spectral analysis, the spectrum obtained grayscale and strong reflection signal of rail sleeper; through part of the signal spectrum of disease annotation data, the design depth of convolutional neural network signal extraction analysis of the feature map using the candidate area network and full connection layer, iterative detection model of railway roadbed construction, forecast the classification and detection of subgrade box. This method first proposed using deep convolutional neural network, signal analysis on strong reflection of radar signal in the rail and sleeper railway roadbed, realize the rapid detection and identification of diseases of railway ballast, provide technical support for the rapid improvement of subgrade treatment, to meet the future line automatic detection and rapid maintenance needs, to ensure the safe operation of railway.

【技术实现步骤摘要】
基于深度卷积神经网络的雷达信号铁路路基病害检测方法
本专利技术涉及铁路路基病害的病害特征表示和检测
，尤其涉及一种基于深度卷积神经网络的雷达信号铁路路基病害检测方法。
技术介绍
近年来，随着道路交通的高速发展，公共交通正从建设期转向养护期，路基作为铁路轨道的基础，作为铁路线路下部结构，对行车安全有着重要作用。铁路路基病害如基床冻害、翻浆冒泥、基床下沉、外挤等，会造成铁面严重变形，影响铁路正常通行，甚至造成安全事故。如何及时准确的发现病害所在，已成为保证行车安全的重中之重。传统的有砟铁路路基病害检测方法以等距离挖深法、轻型动力触探法、瑞利波面波法、核子密度仪法、高密度电阻法等为主，这些方法存在效率低、对现有线路有损、不能提供长路段详细信息等缺陷。地质雷达是一种用于探测地下介质的广谱(1MHz－1GHz)电磁技术，该法利用高频短脉冲的电磁波遇异常地质反射的特性，接收并形成雷达剖面图，是地球物理方法中的一种高分辨率、高效率、实时无损的广谱电磁法探地雷达技术快速、无损且高效，是铁路路基检测领域中最有潜力的一种方式。可以根据质雷达图像，看出隐藏在地表以下的路基病害，但由于其病害区分度低，本文档来自技高网...

【技术保护点】
一种基于深度卷积神经网络的雷达信号铁路路基病害检测方法，其特征在于，包括以下步骤：步骤(1)、通过车载路基检测雷达自动扫描采样获得路基原始雷达数据，然后抽取各扫描道轨枕上界面处的雷达反射信号序列进行频谱分析，获得轨枕和铁轨强反射信号的频谱灰度图，筛选存在病害的图像，并归一化图像大小；步骤(2)、寻找并标注病害所在，记录检测框，作为网络输入的一部分；步骤(3)、扩充数据用以激活函数，把扩充后的数据分为训练集和测试集，训练集占80％，测试集占20％；步骤(4)、把步骤(3)获得的训练集和步骤(2)获得的XML文件一同作为输入，送入卷积神经网络，迭代计算获得铁路路基的翻浆冒泥病害检测模型；步骤(5)...

【技术特征摘要】
1.一种基于深度卷积神经网络的雷达信号铁路路基病害检测方法，其特征在于，包括以下步骤：步骤(1)、通过车载路基检测雷达自动扫描采样获得路基原始雷达数据，然后抽取各扫描道轨枕上界面处的雷达反射信号序列进行频谱分析，获得轨枕和铁轨强反射信号的频谱灰度图，筛选存在病害的图像，并归一化图像大小；步骤(2)、寻找并标注病害所在，记录检测框，作为网络输入的一部分；步骤(3)、扩充数据用以激活函数，把扩充后的数据分为训练集和测试集，训练集占80％，测试集占20％；步骤(4)、把步骤(3)获得的训练集和步骤(2)获得的XML文件一同作为输入，送入卷积神经网络，迭代计算获得铁路路基的翻浆冒泥病害检测模型；步骤(5)、用步骤(3)获得的测试集检验步骤(4)模型效果。采用PR曲线作为评价模型优劣的指标；步骤(6)、将步骤(4)模型作为病害检测网络的标准，实现铁路路基的翻浆冒泥病害检测自动化。2.根据权利要求1所述的基于深度卷积网络的雷达信号铁路路基病害检测方法，其特征在于，所述步骤(2)中，病害标记方法为：记录病害类别，以图片左上角为坐标原点，获得矩形框左上角坐标以及右下角坐标，连同图片名，图片尺寸(长、宽、深度)一起制作成可扩展标记语言(XML)格式。3.根据权利要求1所述的基于深度卷积网络的雷达信号铁路路基病害检测方法，其特征在于，所述步骤(4)中，神经网络具体结构如下。经卷积计算得到特征图，再通过区域建议网络获得候选框，候选框与特征图一起进入池化层池化，经全连接层检测框回归、分类器分类，如此反复迭代，完成病害的分类和定位，最终获得铁路路基病害的检测模型。4.根据权利要求3所述的基于深度卷积网络的雷达信号铁路路基病害检测方法，其特征在于，区域建议网络利用GPU强大的浮点运算能力以及和训练网络共享卷积特征的特点，极大压缩候选区域提取所需时间；区域建议网络如图2所示，在最后一个共享卷积层输出卷积特征上，以锚点为中心滑动窗口映射到一个更低维度的512维向量，该向量输出检测框回归层和...

【专利技术属性】
技术研发人员：李策，徐频捷，徐昕军，杨峰，刘瑞莉，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：北京,11