一种铁路轨道伤损检测方法及系统技术方案

本发明专利技术属于铁路轨道伤损检测技术领域，提供了一种铁路轨道伤损检测方法及系统，首先依据所述超声波信息，利用预设的神经网络模型得到铁路轨头伤损检测结果，利用神经网络将误差缩小，避免了传统超声波检测方法过程中存在的幅值大小还原效果差的问题；依据所述轨面图像信息，利用预设的机器视觉算法得到铁路轨面损检测结果；然后基于模糊模型，对铁路轨头伤损检测结果和铁路轨面损检测结果进行伤损评价，得到铁路轨道伤的最终损检测结果，解决了铁轨表面金属层对检测结果的干扰，提高了铁路轨道伤损评价的准确性。伤损评价的准确性。伤损评价的准确性。

【技术实现步骤摘要】
一种铁路轨道伤损检测方法及系统


[0001]本专利技术属于铁路轨道伤损检测
，尤其涉及一种铁路轨道伤损检测方法及系统。

技术介绍

[0002]随着铁路交通运输的发展，对铁路线路质量的要求也越来越高，因此，在铁路线路上使用的各种检测设备也越来越多，而铁轨探伤技术作为检测铁轨质量的重要手段得到了广泛的应用。目前，铁路线路上使用的各种探伤设备主要包括超声波探伤仪、涡流探伤仪、磁粉探伤仪、微波探伤仪以及激光探伤仪等；它们的检测结果与被测对象是否存在缺陷有着很大关系。
[0003]专利技术人发现，超声波探伤法是比较传统的方法，这种方法在铁路上被广泛使用，并且取得了不错的效果，但是超声波探伤法有一个缺点，就是受外界环境的影响比较大；由于铁轨表面具有较厚的金属层，因此会对超声波探伤法产生很大程度的干扰，导致超声波探伤法在铁路上应用时存在一些局限性；利用超声波进行铁轨探伤的原理是利用探伤仪向铁轨发出超声波，在没有缺陷或者阻碍的时候超声波不会返回，只有碰到一些缺陷时就会形成缺陷回波，此方法就是对回波进行研究分析，将回波转换为电信号，对电信号进行幅值检测，通过幅值大小变化来判断缺陷的具体位置，但是，传统的超声波探伤方法对幅值大小的还原效果较差，会影响检测结果准确性。

技术实现思路

[0004]本专利技术为了解决上述问题，提出了一种铁路轨道伤损检测方法及系统，本专利技术基于神经网络，采用超声波检测轨头伤损，避免了传统超声波检测方法过程中存在的幅值大小还原效果差的问题；采用机器视觉，通过轨面图像，检测轨面伤损，然后利用模糊模型进行伤损评价，解决了铁轨表面金属层对检测结果的干扰，提高了铁路轨道伤损评价的准确性。
[0005]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0006]第一方面，本专利技术提供了一种铁路轨道伤损检测方法，包括：
[0007]获取铁路轨道的超声波信息和轨面图像信息；
[0008]依据所述超声波信息，利用预设的神经网络模型得到铁路轨头伤损检测结果；依据所述轨面图像信息，利用预设的机器视觉算法得到铁路轨面损检测结果；
[0009]基于模糊模型，对所述铁路轨头伤损检测结果和所述铁路轨面损检测结果进行伤损评价，得到铁路轨道伤的最终损检测结果。
[0010]进一步的，所述神经网络模型为Elman神经网络模型，包括输入层、隐含层、输出层和承接层；所述输入层的单元用于传输信号，所述输出层的单元具有线性加权功能，所述隐含层的传递函数采用线性函数，所述承接层用于记忆所述隐含层的前一个时间步长输出。
[0011]进一步的，获取轨面图像信息后，进行预处理、伤痕检测和伤痕定位。
[0012]进一步的，预处理包括铁轨区域定位、图像去噪和表面区域提取；伤痕检测包括灰度补偿、低帽运算、灰度增强和阈值分割；伤痕定位包括首先对轨面图像信息进行开操作，然后使用基于数学形态学的区域填充算法进行孔洞填充，接着，基于伤痕像素的连接性和伤痕检测的精度，滤除区域面积小于设定阈值的细小区域，得到仅包含主要真实伤痕信息的图像；最后，对处理后的图像进行标记，得到标记矩阵，并利用该标记矩阵，将各个缺陷区域提取出来，进行缺陷特征的提取。
[0013]进一步的，基于BP神经网络对铁路轨面上的伤痕进行分类，以矩形度和圆形度作为分类器的输入量。
[0014]进一步的，依据所述超声波信息，利用预设的神经网络模型得到铁路轨头伤损超声波检测值，并计算铁路轨头伤损超声波检测值的隶属度；依据所述轨面图像信息，利用预设的机器视觉算法得到铁路轨面图像检测值，经计算铁路轨面图像检测值的隶属度；
[0015]依据铁路轨头伤损超声波检测值的隶属度和铁路轨面图像检测值的隶属度，利用模糊模型对铁路轨道伤损进行评价。
[0016]进一步的，铁路轨道伤损的评价为：
[0017][0018]式中，n是模糊规则的数量；y
i
由第i条规则的结论方程；μ
i
代表对应此广义输入向量的第i条规则的隶属度；为铁路轨道伤损的评价。
[0019]第二方面，本专利技术还提供了一种铁路轨道伤损检测系统，包括：
[0020]数据采集模块，被配置为：获取铁路轨道的超声波信息和轨面图像信息；
[0021]计算模块，被配置为：依据所述超声波信息，利用预设的神经网络模型得到铁路轨头伤损检测结果；依据所述轨面图像信息，利用预设的机器视觉算法得到铁路轨面损检测结果；
[0022]检测模块，被配置为：基于模糊模型，对所述铁路轨头伤损检测结果和所述铁路轨面损检测结果进行伤损评价，得到铁路轨道伤的最终损检测结果。
[0023]第三方面，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的铁路轨道伤损检测方法的步骤。
[0024]第四方面，本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了第一方面所述的铁路轨道伤损检测方法的步骤。
[0025]与现有技术相比，本专利技术的有益效果为：
[0026]本专利技术中首先依据所述超声波信息，利用预设的神经网络模型得到铁路轨头伤损检测结果，利用神经网络将误差缩小，避免了传统超声波检测方法过程中存在的幅值大小还原效果差的问题；依据所述轨面图像信息，利用预设的机器视觉算法得到铁路轨面损检测结果；然后基于模糊模型，对铁路轨头伤损检测结果和铁路轨面损检测结果进行伤损评价，得到铁路轨道伤的最终损检测结果，解决了铁轨表面金属层对检测结果的干扰，提高了铁路轨道伤损评价的准确性。
附图说明
[0027]构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
[0028]图1为本专利技术实施例1的铁路轨道切面示意图；
[0029]图2为本专利技术实施例1的超声波铁轨探伤部分原理示意图；
[0030]图3为本专利技术实施例1的Elman神经网络结构；
[0031]图4为本专利技术实施例1的Elman神经网络算法流程图；
[0032]图5为本专利技术实施例1的基于机器视觉的铁路轨面检测具体流程；
[0033]图6为本专利技术实施例1的机器视觉算法流程图；
[0034]图7为本专利技术实施例1的BP神经网络结构图；
[0035]图8为本专利技术实施例1的BP神经网络算法流程图；
[0036]图9为本专利技术实施例1的基于T
‑
S模糊模型的伤损评价。
具体实施方式
[0037]下面结合附图与实施例对本专利技术作进一步说明。
[0038]应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0039]实施例1：
[0040]如图1所示，铁本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铁路轨道伤损检测方法，其特征在于，包括：获取铁路轨道的超声波信息和轨面图像信息；依据所述超声波信息，利用预设的神经网络模型得到铁路轨头伤损检测结果；依据所述轨面图像信息，利用预设的机器视觉算法得到铁路轨面损检测结果；基于模糊模型，对所述铁路轨头伤损检测结果和所述铁路轨面损检测结果进行伤损评价，得到铁路轨道伤的最终损检测结果。2.如权利要求1所述的一种铁路轨道伤损检测方法，其特征在于，所述神经网络模型为Elman神经网络模型，包括输入层、隐含层、输出层和承接层；所述输入层的单元用于传输信号，所述输出层的单元具有线性加权功能，所述隐含层的传递函数采用线性函数，所述承接层用于记忆所述隐含层的前一个时间步长输出。3.如权利要求1所述的一种铁路轨道伤损检测方法，其特征在于，获取轨面图像信息后，进行预处理、伤痕检测和伤痕定位。4.如权利要求3所述的一种铁路轨道伤损检测方法，其特征在于，预处理包括铁轨区域定位、图像去噪和表面区域提取；伤痕检测包括灰度补偿、低帽运算、灰度增强和阈值分割；伤痕定位包括首先对轨面图像信息进行开操作，然后使用基于数学形态学的区域填充算法进行孔洞填充，接着，基于伤痕像素的连接性和伤痕检测的精度，滤除区域面积小于设定阈值的细小区域，得到仅包含主要真实伤痕信息的图像；最后，对处理后的图像进行标记，得到标记矩阵，并利用该标记矩阵，将各个缺陷区域提取出来，进行缺陷特征的提取。5.如权利要求3所述的一种铁路轨道伤损检测方法，其特征在于，基于BP神经网络对铁路轨面上的伤痕进行分类，以矩形度和圆形度作为分类器的输入量。6.如权利要求1所述的一种铁路轨道伤损检测方法，其特...

【专利技术属性】
技术研发人员：侯恩广，岳肖宇，施天成，王震，朱静淑，唐佳瑞，朱茜芸，王知学，乔昕，刘广敏，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：