【技术实现步骤摘要】
本专利技术涉及轨道交通检测，专注于钢轨表面损伤的高效检测与处理，以确保轨道基础设施的安全性和稳定性。
技术介绍
1、轻微的轨道系统疲劳病害会引发列车运营过程中的振动噪声，影响乘客的舒适度体验，而轨道病害的不断恶化会导致轮轨间严重的异常振动，其中扣件的损坏或缺失甚至能引发轨道的松动或偏移，导致列车脱轨等重大安全事故的发生。随着轨道服役年限的不断增长，轨道病害急剧发展引发突发事故的可能性也在持续变大，传统的定期检修方式难以预测由轨道病害引发的突发安全事故，且定期的更换策略无法累积更多的轨道服役劣化案例，从而不能有效正反馈至轨道基础设施的设计阶段以达到提高其服役寿命的目标，故而传统维修方法已无法满足轨道线路基础设施的安全检测和预警需求。
2、目前，对轨道伤损的检测工具常常采用 gtc-80 型大型钢轨探伤车以及 gct-8c小型手推探伤仪对钢轨母材进行探伤检测。然而，大型钢轨探伤车是高速钢轨伤损检测设备，可以同时对在役的两条钢轨进行探伤检测；由于其成本较高,主要用在国家铁路以及地铁等轨道检测中。其工作效率高，但原有系统无法进行自主...
【技术保护点】
1.一种基于深度学习的轨道伤损高效检测与处理方法，其特征为：
2.根据权利要求1所述的基于深度学习的轨道伤损高效检测与处理方法，其特征为：所述预处理包括滤波去噪、图像样本数据加强、异常值处理、缺失值处理、标准化处理，其中：
3.根据权利要求1所述的基于深度学习的轨道伤损高效检测与处理方法，其特征为：所述图像标注具体过程如下：将现场采集的图像和仿真生成的图像数据保存相同的格式；通过标注工具对数据中轨道伤损部分进行标注；根据有无轨道伤损两种情况将图像分为病害样本和正常样本并分别存储；当标注完成后，通过数据回访检测实现对标注的结果的再审核，并修改不符...
【技术特征摘要】
1.一种基于深度学习的轨道伤损高效检测与处理方法，其特征为：
2.根据权利要求1所述的基于深度学习的轨道伤损高效检测与处理方法，其特征为：所述预处理包括滤波去噪、图像样本数据加强、异常值处理、缺失值处理、标准化处理，其中：
3.根据权利要求1所述的基于深度学习的轨道伤损高效检测与处理方法，其特征为：所述图像标注具体过程如下：将现场采集的图像和仿真生成的图像数据保存相同的格式；通过标注工具对数据中轨道伤损部分进行标注；根据有无轨道伤损两种情况将图像分为病害样本和正常样本并分别存储；当标注完成后，通过数据回访检测实现对标注的结果的再审核，并修改不符合要求的标注；将完成的标注样本进行格式转换，形成通用的数据集格式；采用标注的数据集进行划分，构建混合集和真实集用于后续的模型训练；
4.一种基于深度学习的轨道伤损高效检测与处理系统，该系统基于权利要求1-3任一所述的基于深度学习的轨道伤损高效检测与处理方法，其特征为：无人机对采集的铁轨图像中的像素坐标到相机坐标系下坐标的转换，然后再从相机坐标系下的点转换为世界物理坐标系下的坐标；无人机按照预先设定的飞行路线进行飞行，并采集巡检区域的图像数据，一方面通过 5g 基站将数据传...
【专利技术属性】
技术研发人员：姜书安，于淼，于正欣，李伟，周贺永，
申请(专利权)人：北京智弘通达科技有限公司，
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。