一种基于大数据的铁路钢轨智能伤损识别分析系统技术方案

本发明专利技术公开了一种基于大数据的铁路钢轨智能伤损识别分析系统，涉及铁路钢轨伤损识别技术领域，用于解决现有的钢轨探伤数据多采用人工分析，存在回放工作量大、分析速度慢以及智能化程度低的问题；包括伤损分析模块，用于实时采集探伤仪回放的B显数据，匹配探伤仪对应的伤损分析模型，再对B显数据进行预处理，然后将预处理后的B显数据进行校准裁剪以得到多幅B显图像，将B显图像通过匹配到的伤损分析模型进行伤损识别，以实现对铁路钢轨伤损智能识别及分析，提高分析效率；通过设置样本采集模块，提高前期对样本采集的工作效率，同时样本采集模块还支持人工绘制伤损，从而保证样本库的多样性。的多样性。的多样性。

【技术实现步骤摘要】
一种基于大数据的铁路钢轨智能伤损识别分析系统


[0001]本专利技术涉及铁路钢轨伤损识别
，具体为一种基于大数据的铁路钢轨智能伤损识别分析系统。

技术介绍

[0002]随着铁路不断提速，运量的不断增加，钢轨伤损增加显著，伤损类型也是多种多样，钢轨探伤数据回放主要是通过人工分析的方式，存在回放工作量大、分析速度慢以及智能化程度低等问题，而且由于回放人员身体、精神状态、业务水平等因素，容易造成漏判和误判，对铁路安全运营留下了安全隐患。为解决该问题，研究一种高效、智能的铁路钢轨伤损识别分析系统，用来提高工作效率，减少人为因素而造成的隐患，是有必要的。

技术实现思路

[0003]本专利技术的目的就在于为了解决现有的钢轨探伤数据多采用人工分析，存在回放工作量大、分析速度慢以及智能化程度低的问题，而提出一种基于大数据的铁路钢轨智能伤损识别分析系统。
[0004]本专利技术的目的可以通过以下技术方案实现：一种基于大数据的铁路钢轨智能伤损识别分析系统；用于服务器中，包括：
[0005]伤损分析模块，用于实时采集探伤仪回放的B显数据，匹配探伤仪对应的伤损分析模型，再对B显数据进行预处理，然后将预处理后的B显数据进行校准裁剪以得到多幅B显图像，将B显图像通过匹配到的伤损分析模型进行伤损识别，并将识别结果反馈于前端显示，接收回放人员对识别结果的二次确认指令，生成回放报告；其中，进行伤损识别的具体过程为：将B显图像与典型伤损特征图谱进行比对并在B显图像上回注伤损类型及相似度的图形以得到识别结果；
>[0006]作为本专利技术的一种优选实施方式，所述预处理的具体步骤为：
[0007]S1：校验数据的完整性；
[0008]S2：超声波杂波去除；
[0009]S3：检测数据里程校准：利用线路基础信息数据库中的信息及典型特征点对检测的B显数据进行位置里程校准；其中，线路的典型特征点包括进、出站的道岔、线路中已知位置的加固伤损、曲线直缓点或缓直点等；
[0010]S4：无效数据剔除。
[0011]作为本专利技术的一种优选实施方式，所述校准裁剪的具体步骤为：
[0012]通过探伤仪确定B显数据中图像大小；
[0013]将距离图像边框右侧边内的伤损进行屏蔽裁剪掉，将剩余伤损的类型、位置进行输出；当滑窗为最后一个滑窗时，对识别的伤损不进行裁剪，直接进行输出；
[0014]作为本专利技术的一种优选实施方式，所述回注的具体过程为：将裁剪网络输出的伤损类型、位置回注到B显图像中；
[0015]其中，裁剪网络输出的伤损位置通过L
i
＝(x
i
，y
i
，l
i
，w
i
)表示；
[0016]L
i
表示裁剪网络输出的钢轨伤损图框的位置；
[0017]x
i
表示裁剪网络输出的钢轨伤损图框的位置中的x分量；
[0018]y
i
表示裁剪网络输出的钢轨伤损图框的位置中的y分量；
[0019]l
i
表示裁剪网络输出的钢轨伤损图框的长度；
[0020]w
i
表示裁剪网络输出的钢轨伤损图框的宽度；
[0021]具体为：当钢轨伤损检测B显数据中滑框左侧边的位置为x
sw
，则回注后钢轨伤损图框在B显数据中的位置L
Bi
＝(x
Bi
，y
i
，l
i
，w
i
)，其中，x
Bi
表示钢轨伤损检测B显图像中钢轨伤损图框的位置中x分量，x
Bi
＝x
sw
+x
i
。
[0022]作为本专利技术的一种优选实施方式，还包括：
[0023]样本采集模块，用于收集探伤数据的样本并对其进行分类以得到样本数据；样本数据包括正样本和负样本；正样本包括正常B显信号，如接头、焊缝、螺孔等；负样本为伤损B显信号，如轨头核伤、焊缝核伤、螺孔裂纹(上裂、下裂、水平裂纹)、轨底裂纹等；
[0024]样本库，用于存储样本数据；
[0025]样本训练模块，对样本库中的样本进行深度学习训练以生成用于进行人工智能分析伤损的伤损分析模型；
[0026]测试评估模块，用于对伤损分析模型进行测试与评估；
[0027]作为本专利技术的一种优选实施方式，所述样本训练模块训练的具体过程为：样本中的超声波B显图像经过卷积神经网络ResNet得到B显图像特征图；B显图像特征图被RPN网络与ROI池化层共享，B显图像特征图进入RPN层，生成超声波群候选框，之后ROI池化层结合B显图像特征图与超声波回波群候选框，输出ROI特征图，再利用超声波回波群候选框的特征图进行分类及边框回归得到伤损分析模型；
[0028]作为本专利技术的一种优选实施方式，所述RPN层生成超声波回波群的过程为：
[0029]RPN先生成锚框，将经过卷积神经网络提取的最后一层的超声波B显图像特征图上的每个像素按1:2、1:1、2:1进行变换，并按照8、16、32的倍数放大映射回原超声波B显图像，得到锚框；
[0030]再将得到每个特征点的锚框与目标真实标签比较得到RPN网络需要的训练数据，当锚框与目标真实标签的交并比的重叠度大于0.7时，则认为是目标；
[0031]RPN超声波回波群候选框提取网络的损失函数，公式为：
[0032][0033]式中，式中p
j
表示第j个锚框中超声波回波群属于超声波反射体的概率；
[0034]表示第j个锚框的超声波回波群的真实反射体类别标签；
[0035]t
j
表示第j个锚框的超声波回波群在超声波B显图像中的位置预测参数，共4个，分别为中心坐标、宽度、高度；
[0036]表示第j个锚框的超声波回波群的真实反射体在超声波B显图像中的位置标签参数，共4个，分别为中心坐标、宽度、高度；
[0037]N
cls
表示批量大小；
[0038]N
reg
表示超声波回波群锚框个数；
[0039]λ表示规范化处理时的平衡参数；
[0040]表示超声回波群的分类损失函数，其计算公式为：
[0041][0042]式中表示超声波回波群的边框回归损失函数，其计算公式为：
[0043][0044]R表示smooth L1平滑方程，其公式为：
[0045][0046](x，y，w，h)代表框的中心坐标、宽与高；
[0047]超声波回波群边框回归的目标是寻找一种关系f，使得超声波回波群锚框A＝(A
x
，A
y
，A
w
，A
h
)，经过变换后的边框G
′
＝(G
′
x
，G
′...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的铁路钢轨智能伤损识别分析系统，用于服务器中，其特征在于，包括：伤损分析模块，用于实时采集探伤仪回放的B显数据，匹配探伤仪对应的伤损分析模型，再对B显数据进行预处理，然后将预处理后的B显数据进行校准裁剪以得到多幅B显图像，将B显图像通过匹配到的伤损分析模型进行伤损识别，并将识别结果反馈于前端显示，接收回放人员对识别结果的二次确认指令，生成回放报告；其中，进行伤损识别的具体过程为：将B显图像与典型伤损特征图谱进行比对并在B显图像上回注伤损类型及相似度的图形以得到识别结果。2.根据权利要求1所述的一种基于大数据的铁路钢轨智能伤损识别分析系统，其特征在于，所述预处理的具体步骤为：S1：校验数据的完整性；S2：超声波杂波去除；S3：检测数据里程校准：利用线路基础信息数据库中的信息及典型特征点对检测的B显数据进行位置里程校准；S4：无效数据剔除。3.根据权利要求1所述的一种基于大数据的铁路钢轨智能伤损识别分析系统，其特征在于，所述校准裁剪的具体步骤为：通过探伤仪确定B显数据中图像大小；将距离图像边框右侧边内的伤损进行屏蔽裁剪掉，将剩余伤损的类型、位置进行输出；当滑窗为最后一个滑窗时，对识别的伤损不进行裁剪，直接进行输出。4.根据权利要求1所述的一种基于大数据的铁路钢轨智能伤损识别分析系统，其特征在于，所述回注的具体过程为：将裁剪网络输出的伤损类型、位置回注到B显图像中；其中，裁剪网络输出的伤损位置通过L
i
＝(x
i
，y
i
，l
i
，w
i
)表示；L
i
表示裁剪网络输出的钢轨伤损图框的位置；x
i
表示裁剪网络输出的钢轨伤损图框的位置中的x分量；y
i
表示裁剪网络输出的钢轨伤损图框的位置中的y分量；l
i
表示裁剪网络输出的钢轨伤损图框的长度；w
...

【专利技术属性】
技术研发人员：陈志远，苏辉，潘杰，汪勇，邢阳阳，刘凯，唐伟傲，汪洋，高美，
申请(专利权)人：合肥德泰科通测控技术有限公司，
类型：发明
国别省市：