【技术实现步骤摘要】
本专利技术属于轨道交通的轨面检测领域，具体是一种轨面光带病害实时检测装置与方法。
技术介绍
1、近年来，随着高铁技术的快速发展，铁路轨道的安全性变得尤为重要。城乡居民的长途出行和蓬勃发展的快递运输日益倚重于高效的铁路网络，对轨道的维护提出了更高的要求。铁路轨道长期暴露在各种自然环境中，容易产生波磨、光带异常等病害，对这些问题及时进行检测对确保铁路安全的运行至关重要。
2、目前，轨道表面的检测主要依赖于人工巡检和机械检测方法。人工巡检效率低下，且准确性依赖于检测人员的经验和判断能力，而机械检测则可能对轨道本身造成进一步的损伤。这些传统方法无法满足现代铁路系统对于实时监测和数据分析的需求。
3、现有轨道检测方法虽能发现一些问题，但在实时性、准确度和效率方面存在缺陷，尤其是在连续全面监控和细微病害识别上。
技术实现思路
1、针对上述问题，本专利技术提出了一种轨面光带病害实时检测装置与方法，使用先进的图像处理和ai技术，通过非接触式高速图像采集与实时智能分析，检测钢轨表面病害的具体变化，达到了高效率、高精度的技术效果，具有提高检测速度与准确性的优势，对铁路维护和安全运营的重要意义。
2、所述轨面光带病害实时检测装置，具体包括：高速线阵相机，补光灯单元，ai模块，工控机同步单元和上位机单元；
3、所述高速线阵相机与补光灯单元配合使用，在补光灯单元下高速连续拍摄，捕捉钢轨表面的细节图像；在设备内部，ai模块通过工控机同步单元与高速线阵相机连接，通
4、ai模块利用深度学习算法对高速线阵相机采集的图像进行实时分析，识别轨面病害；工控机同步单元记录ai模块返回的分析检测结果，并输出至上位机单元，对检测结果进行数据后处理，优化分析结果，生成最终的可视化报告。
5、所述轨面光带病害实时检测方法，具体步骤如下：
6、步骤一、高速线阵相机在补光灯单元下高速连续拍摄，捕捉钢轨表面的细节图像；
7、采用补光灯单元对齐高速线阵相机扫描的轨面位置，增加进光量，减小相机曝光时间，并提高相机的扫描速度；
8、步骤二、工控机同步单元同步采集高速线阵相机的图像数据，并实时传输给ai模块；
9、步骤三、ai模块利用深度学习算法对高速线阵相机采集的图像进行实时分析，识别轨面病害，并将检测结果通过工控机同步单元传输到上位机单元；
10、当对两个钢轨图像进行拼接处理时，ai模块采用种距离加权法，使拼接的缝隙处平滑；
11、所述距离加权公式为：
12、d(x,y)＝d1(x,y)a+d2(x,y)(1-a)；
13、其中d(x,y)表示平滑后的图像像素值，x,y分别代表图像的横坐标和纵坐标。d1(x,y)为第一张钢轨原图的像素值，d2(x,y)为第二张钢轨原图的像素值，a为小于1的权值。
14、当权值a越趋近于1时，d(x,y)的像素值就越趋近于第一张钢轨原图的像素值，反之就趋近于第二张钢轨原图的像素值。通过将拼接的重叠长度值归一化，使拼接接缝处在左侧的图像趋近于第一张钢轨原图，拼接接缝右侧的图像趋近于第二张钢轨原图，即实现了图像左右拼接的接缝平滑化。
15、所述ai模块采用改进的u-net模型，具体为：在网络中下采样层提取的特征图像和上采样的图像之间加入了全局模块；
16、全局模块具有轻量级的计算量，在简化的非全局non-local(snl)块中，转换模块的参数量包括一个c×c参数大小的1×1卷积。当将此snl块添加到最高层时，将1×1卷积替换为bottle neck转换模块，将参数量从c×c降至2×c×c/r。
17、r表示瓶颈比例，c/r表示bottle neck的隐藏表示维度。
18、在上下采样过程中，使用反卷积各层的信息以还原细节信息，上下采样均进行了四次，每次上采样通道数减半且特征图尺寸扩大，逐步恢复图片精度终输出只包含背景和裂缝信息的图像。
19、步骤四、上位机单元对检测结果进行数据后处理，优化分析结果，生成最终的分析报告。
20、本专利技术的优点在于：
21、1、一种轨面光带病害实时检测装置，采用高速线阵相机与补光灯单元配合使用，使得装置能够在高速运动中精准捕捉钢轨表面的图像，其特点在于高速连续拍摄能力和高分辨率，从而在快速移动条件下仍能获得清晰的图像，从而提高了检测的速度和效率，同时保证了数据的精确性；
22、2、一种轨面光带病害实时检测装置，采用ai模块及深度学习算法，提高了识别轨面病害的精度和效率，其特点在于ai的高效分析能力和对大量数据的快速处理，智能化的深度学习算法大幅提升了病害检测的准确率和速度，显著优于传统的检测方法。
23、3、一种轨面光带病害实时检测方法，使用相机拍照的方式未对钢轨表面进行二次损耗，无接触检测，更大程度的保护了钢轨的使用。
24、4、一种轨面光带病害实时检测方法，提供了更高效、准确的轨道病害实时检测。
本文档来自技高网...【技术保护点】
1.一种轨面光带病害实时检测装置，其特征在于，具体包括：高速线阵相机，补光灯单元，AI模块，工控机同步单元和上位机单元；
2.基于权利要求1所述的轨面光带病害实时检测装置的实时检测方法，其特征在于，具体步骤如下：
3.如权利要求2所述的轨面光带病害实时检测方法，其特征在于，所述步骤一中，采用补光灯单元对齐高速线阵相机扫描的轨面位置，增加进光量，减小相机曝光时间，并提高相机的扫描速度。
4.如权利要求2所述的轨面光带病害实时检测方法，其特征在于，步骤三中所述AI模块采用改进的U-net模型，具体为：在网络中下采样层提取的特征图像和上采样的图像之间加入了全局模块；
【技术特征摘要】
1.一种轨面光带病害实时检测装置，其特征在于，具体包括：高速线阵相机，补光灯单元，ai模块，工控机同步单元和上位机单元；
2.基于权利要求1所述的轨面光带病害实时检测装置的实时检测方法，其特征在于，具体步骤如下：
3.如权利要求2所述的轨面光带病害实时检测方法，其特征在于，所述...
【专利技术属性】
技术研发人员：吴宵，王立峰，卢伟康，蒋俊，姚鹏辉，刘麦，杨宗超，余江楠，
申请(专利权)人：中铁物总运维科技有限公司，
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。