【技术实现步骤摘要】
本专利技术涉及有砟线路病害识别，尤其涉及一种有砟铁路路基翻浆冒泥病害识别方法及装置。
技术介绍
1、本部分旨在为本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、翻浆冒泥是有砟铁路路基中最常见的病害之一，翻浆冒泥的产生和不断发育严重影响了铁路线路的安全运行：在道床方面，导致道碴夹泥进而板结，以致道床强度不够，对道床刚度和线路的稳定性造成严重破坏，轨枕受力不均，轨枕出现悬空状态，在列车长期荷载的作用下易造成钢轨的磨损增大，严重则会导致钢轨断裂；在基床方面，基床冒泥会将基床表层土泥化，显著降低基床的承载能力，导致不均匀沉降等路基病害。这些危害将不仅严重增加线路相关部门的维修工作量和相关建筑材料的耗费，更对线路的安全运营提出了严重考验，特别是在铁路提速、重载列车飞速发展和运量日益增长的形势下，其危害性不言而喻。翻浆冒泥不仅发生在既有线路段中，其对高速铁路路基也造成很大伤害，该病害的存在会造成高速铁路的道床强度发生变化，会造成轨枕板受力不均而发生断裂的情况，也加大了钢轨磨耗程度。
3、目前，对铁路路基病害检测主要采用车载地质雷达法，检测数据量巨大。对路基病害的识别仍然以人工解译为主，对解译人员相关专业知识要求较高，数据分析的速度极低且无法避免人为误差。并且，传统的目标检测方法受到特征选择，区域划分效果，分类器精度等众多因素的影响，另外效率较低。
技术实现思路
1、本专利技术实施例提供一种有砟铁路路基翻浆冒泥病害识别方法，能够实现
2、获取对有砟铁路路基进行探测的实时雷达探测数据集合；
3、根据预设的分块大小及实时雷达探测数据集合中的里程数据，对实时雷达探测数据集合进行分块；
4、根据预设的映射函数，将分块后的实时雷达探测数据集合映射为实时图像域数据集合；所述预设的映射函数包括雷达探测数据与图像域数据之间的映射关系；
5、将实时图像域数据集合输入预先训练的翻浆冒泥病害识别模型，输出翻浆冒泥病害的识别结果；所述识别结果表征翻浆冒泥病害在图像域的坐标集合；所述翻浆冒泥病害识别模型是利用历史雷达探测数据集合分块并映射、且进行翻浆冒泥病害特征标注的历史图像域数据集合，对预先建立的yolo框架神经网络模型训练得到的；
6、根据翻浆冒泥病害的识别结果，确定有砟铁路路基中翻浆冒泥病害的真实坐标数据。
7、本专利技术实施例提供一种有砟铁路路基翻浆冒泥病害识别装置，能够实现实时翻浆冒泥病害识别，提高翻浆冒泥病害的识别准确率及效率，该装置包括：
8、获取模块，用于获取对有砟铁路路基进行探测的实时雷达探测数据集合；
9、分块模块，用于根据预设的分块大小及实时雷达探测数据集合中的里程数据，对实时雷达探测数据集合进行分块；
10、映射模块，用于根据预设的映射函数，将分块后的实时雷达探测数据集合映射为实时图像域数据集合；所述预设的映射函数包括雷达探测数据与图像域数据之间的映射关系；
11、输出模块，用于将实时图像域数据集合输入预先训练的翻浆冒泥病害识别模型，输出翻浆冒泥病害的识别结果；所述识别结果表征翻浆冒泥病害在图像域的坐标集合；所述翻浆冒泥病害识别模型是利用历史雷达探测数据集合分块并映射、且进行翻浆冒泥病害特征标注的历史图像域数据集合，对预先建立的yolo框架神经网络模型训练得到的；
12、确定模块，用于根据翻浆冒泥病害的识别结果，确定有砟铁路路基中翻浆冒泥病害的真实坐标数据。
13、本专利技术实施例还提供一种计算机设备，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计算机程序时实现上述有砟铁路路基翻浆冒泥病害识别方法。
14、本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述有砟铁路路基翻浆冒泥病害识别方法。
15、本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述有砟铁路路基翻浆冒泥病害识别方法。
16、本专利技术实施例与现有技术中人工检查或机器学习模型进行病害识别方法的方案相比，通过获取对有砟铁路路基进行探测的实时雷达探测数据集合；根据预设的分块大小及实时雷达探测数据集合中的里程数据，对实时雷达探测数据集合进行分块；根据预设的映射函数，将分块后的实时雷达探测数据集合映射为实时图像域数据集合；所述预设的映射函数包括雷达探测数据与图像域数据之间的映射关系；将实时图像域数据集合输入预先训练的翻浆冒泥病害识别模型，输出翻浆冒泥病害的识别结果；所述识别结果表征翻浆冒泥病害在图像域的坐标集合；所述翻浆冒泥病害识别模型是利用历史雷达探测数据集合分块并映射、且进行翻浆冒泥病害特征标注的历史图像域数据集合，对预先建立的yolo框架神经网络模型训练得到的；根据翻浆冒泥病害的识别结果，确定有砟铁路路基中翻浆冒泥病害的真实坐标数据，能够实现实时翻浆冒泥病害识别，提高翻浆冒泥病害的识别准确率及效率。
本文档来自技高网...【技术保护点】
1.一种有砟铁路路基翻浆冒泥病害识别方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，还包括：
3.如权利要求1所述的方法，其特征在于，所述翻浆冒泥病害识别模型包括输入端、颈部网络、主干网络及输出端；颈部网络采用金字塔加强结构以及定位信息网络；其中，金字塔加强结构将翻浆冒泥病害识别模型中高层网络中的语义特征用自顶向下的方式传递到翻浆冒泥病害识别模型中的底层网络，定位信息网络将翻浆冒泥病害识别模型中的底层网络中的定位特征用自底向上的方式传递到翻浆冒泥病害识别模型中的高层网络；输出端包括分类器及回归器；主干网络包括多个卷积层和多个FC层；主干网络使用P-Relu激活函数。
4.如权利要求3所述的方法，其特征在于，所述翻浆冒泥病害识别模型中的主干网络还包括卷积通道注意力CBAM模块；CBAM模块包括通道注意力模块及空间注意力模块；
5.如权利要求1所述的方法，其特征在于，根据翻浆冒泥病害的识别结果，确定有砟铁路路基中翻浆冒泥病害的真实坐标数据，包括：
6.如权利要求1所述的方法，其特征在于，所述预设的映射函数为
7.一种有砟铁路路基翻浆冒泥病害识别装置，其特征在于，包括：
8.如权利要求7所述的装置，其特征在于，还包括：训练模块，用于：
9.如权利要求7所述的装置，其特征在于，所述翻浆冒泥病害识别模型包括输入端、颈部网络、主干网络及输出端；颈部网络采用金字塔加强结构以及定位信息网络；其中，金字塔加强结构将翻浆冒泥病害识别模型中高层网络中的语义特征用自顶向下的方式传递到翻浆冒泥病害识别模型中的底层网络，定位信息网络将翻浆冒泥病害识别模型中的底层网络中的定位特征用自底向上的方式传递到翻浆冒泥病害识别模型中的高层网络；输出端包括分类器及回归器；主干网络包括多个卷积层和多个FC层；主干网络使用P-Relu激活函数。
10.如权利要求9所述的装置，其特征在于，所述翻浆冒泥病害识别模型中的主干网络还包括卷积通道注意力CBAM模块；CBAM模块包括通道注意力模块及空间注意力模块；
11.如权利要求7所述的装置，其特征在于，确定模块，具体用于：
12.如权利要求7所述的装置，其特征在于，所述预设的映射函数为：
13.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
15.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
...【技术特征摘要】
1.一种有砟铁路路基翻浆冒泥病害识别方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，还包括：
3.如权利要求1所述的方法，其特征在于，所述翻浆冒泥病害识别模型包括输入端、颈部网络、主干网络及输出端；颈部网络采用金字塔加强结构以及定位信息网络；其中，金字塔加强结构将翻浆冒泥病害识别模型中高层网络中的语义特征用自顶向下的方式传递到翻浆冒泥病害识别模型中的底层网络，定位信息网络将翻浆冒泥病害识别模型中的底层网络中的定位特征用自底向上的方式传递到翻浆冒泥病害识别模型中的高层网络；输出端包括分类器及回归器；主干网络包括多个卷积层和多个fc层；主干网络使用p-relu激活函数。
4.如权利要求3所述的方法，其特征在于，所述翻浆冒泥病害识别模型中的主干网络还包括卷积通道注意力cbam模块；cbam模块包括通道注意力模块及空间注意力模块；
5.如权利要求1所述的方法，其特征在于，根据翻浆冒泥病害的识别结果，确定有砟铁路路基中翻浆冒泥病害的真实坐标数据，包括：
6.如权利要求1所述的方法，其特征在于，所述预设的映射函数为：
7.一种有砟铁路路基翻浆冒泥病害识别装置，其特征在于，包括：
8.如权利要求7所述的装置，其特征在于，还包括：训练模块，用于：
9.如权利要求7所述的装置，其特征在于，所述翻浆冒泥病害识别模...
【专利技术属性】
技术研发人员：李耀南，王石磊，张子亮，毛小波，王景瑞，齐飞，高新平，范友岗，
申请(专利权)人：中国铁道科学研究院集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。