【技术实现步骤摘要】
本专利技术涉及轨道交通设置检测领域，具体涉及基于目标空间位置偏差的轨道弹条移位检测方法及系统。
技术介绍
1、随着铁路交通的发展，轨道设备的安全性和可靠性日益受到关注。铁路轨道中的扣件弹条是维持轨道结构稳定的关键组成部分。然而，由于长时间的运行和外部环境的影响，扣件弹条可能会出现松动、移位等问题，从而影响铁路线路的安全性和稳定性。因此，对扣件弹条进行定期检测以及提前发现可能的移位现象变得至关重要。
2、传统的弹条移位检测方法通常依赖于目视检查或使用简单的测量工具，这种方法存在效率低、精度不高、无法全面覆盖的问题。而随着计算机视觉和深度学习的不断发展，基于深度学习的弹条移位检测方法逐渐崭露头角。目前，部分机构及学者提出的检测方法虽在一定程度上可以实现对弹条移位进行检测，但由于弹条移位数据样本太少，且针对弹条移位检测需要不断地对算法进行修正，泛化性差，难以适应现场多变的复杂工况。现有公开文献《基于深度学习的钢轨扣件状态检测研究》公开的将深度学习目标检测算法应用于铁路扣件缺陷检测领域。研究者制作了铁路扣件缺陷数据集，使用faster r-cnn算法和mask rcnn算法应用于钢轨扣件状态检测中。在控制相同条件下，对钢轨扣件状态数据集进行实验并得出了结果。实验结果表明，mask rcnn算法在钢轨扣件状态检测方面表现最佳。但该算法在对钢轨扣件状态检测速度较慢，并且数据样本太少，缺陷样本太少，会导致该研究只会在其数据集中检测效果良好，但应用到真实场景中效果较差。并且该算法尚未与巡检小车一同在实际环境中进行验证。
4、随着计算机视觉和三维成像技术的不断发展，基于结构光的轨道弹条移位检测方法逐渐崭露头角。结构光技术通过投射光线形成结构化的图案，通过捕捉物体对光的反射或变形，实现对物体表面形状的高精度测量。例如公布号为cn110634122a的现有专利技术专利申请文献《一种扣件弹条移位检测方法》，该现有方法包括：采用三维成像系统获取轨道两侧三维形貌数据，并将其转换为二维深度图像；确定扣件在二维深度图像中的位置，提取扣件所在区域的局部二维深度图像；在扣件局部二维深度图像中设定横坐标值xmin、xmax和纵坐标值ymin、ymax，提取弹条移位显著区域图像；设定阈值t1，对弹条移位显著区域图像进行二值化处理，精确提取弹条移位区域轮廓；基于弹条移位区域轮廓的最小纵坐标值ymin和最大纵坐标值ymax，计算弹条移位距离δs＝ymax-ymin；设定阈值t2，根据弹条移位距离δs和阈值t2，判断是否存在弹条移位危险。
5、然而，前述采用三维成像系统通过三维数据转换为二维数据进行处理，其所耗时较长。并且在通过设定的坐标值提取其弹条位置，其检测并定位弹条移位位置性能较差。
6、综上，现有技术存在轨道弹条移位检测的准确性、可靠性及检测效率较低，对铁路轨道弹条移位缺陷数据的依赖程度过高的技术问题。
技术实现思路
1、本专利技术所要解决的技术问题在于：如何解决现有技术中轨道弹条移位检测的准确性、可靠性及检测效率较低，对铁路轨道弹条移位缺陷数据的依赖程度过高的技术问题。
2、本专利技术是采用以下技术方案解决上述技术问题的：基于目标空间位置偏差的轨道弹条移位检测方法包括：
3、s1、通过激光轮廓仪采集得到轨道亮度图；
4、s2、对轨道亮度图进行数据增强处理，利用目标检测算法，检测轨道亮度图中的弹条、夹板，得到弹条、夹板检测数据；
5、s3、根据弹条、夹板检测数据，处理得到弹条、夹板坐标信息；
6、s4、根据弹条、夹板坐标信息，利用相交规则算法判断弹条与夹板是否相交；
7、s5、若是，则计算弹条与夹板的第一纵坐标差值△h1、第二纵坐标差值△h2，获取每张轨道亮度图的弹条夹板相交位置信息；
8、s6、获取第一纵坐标差值△h1、第二纵坐标差值△h2之间的最小值△h；
9、s7、设定判定阈值th，对比最小值△h和与判定阈值th，判定弹条是否发生移位，获取移位弹条目标位置信息；
10、s8、根据移位弹条目标位置信息，进行弹条移位绘制、信息显示。
11、本专利技术结合目标检测技术，通过检测弹条和夹板的空间坐标信息，根据空间坐标信息偏差，实现了对弹条移位的检测和定位，提高了轨道弹条移位检测精度和可靠性。本专利技术基于目标空间位置偏差的弹条移位检测定位方法，能够为铁路轨道弹条移位问题的准确检测提供新的解决方案。
12、本专利技术不改变扣件结构，不需要大量弹条移位样本数量，其检测精度和检测速度能够很好符合铁轨轨道弹条移位检测的标准。
13、本专利技术主要采用yolo v5s算法对弹条和夹板进行目标定位，获取两者空间坐标信息，提高了检测速度和精度，同时保持了足够的形状信息，有助于进一步的分析和处理。本专利技术通过结合目标检测技术和空间位置偏差技术，使得弹条移位检测方法具备了实时性，适用于对轨道弹条移位状态的实时监测，为轨道维护和安全运行提供了有效的手段。
14、在更具体的技术方案中，s2包括：
15、s21、对轨道亮度图进行水平旋转，获得水平旋转轨道亮度图，增强轨道亮度图的图像数据；
16、s22、对轨道亮度图进行垂直旋转旋转，获得垂直旋转轨道亮度图，从而增强轨道亮度图的图像数据，得到图像增强轨道亮度图；
17、s23、使用预置标注工具，对每张轨道亮度图中的弹条、夹板进行图像标注操作，获得每张轨道亮度图的对应标签txt文件；其中，根据预置目标任务创建标签，进行图像标注操作，将预置目标任务重的标注信息，转化为模型训练所需txt文件格式；
18、s24、对对应标签文件txt，得到新标签文件txt；
19、s25、设置垂直旋转轨道亮度图的宽，得到垂直旋转轨道亮度图对应的新标签文件txt；
20、s26、将图像增强轨道亮度图、水平旋转轨道亮度图以及处置旋转轨道亮度图，存储至预置images文件，将对应标签文件txt以及新标签文件txt存放至labels文件；
21、s27、针对弹条、夹板，选定目标检测算法；其中，目标检测算法包括：fasterr-cnn、yolov5s以及s本文档来自技高网...
【技术保护点】
1.基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述S2包括：
3.根据权利要求2所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述S26中，对所述预置images文件中图像数据，以及所述labels文件中的标签数据进行划分操作，得到训练集train文件、验证集val文件。
4.根据权利要求2所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述S27中的所述Backbone层包括：Focus、Conv、C3模块以及SPPF模块，利用所述Backbone层提取输入图片的特征信息，形成全局、局部融合特征图；
5.根据权利要求2所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述S27中的所述Neck网络包括：特征金字塔FPN、路径聚合网络PANet，用于对所述全局、局部融合特征图，进行再融合操作。以得到层次结构增强特征图。
6.根据权利要求2所述的基于目标空间位置偏差的轨道弹
7.根据权利要求1所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述S3包括：
8.根据权利要求1所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述S4包括：
9.根据权利要求1所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述S8包括：
10.基于目标空间位置偏差的轨道弹条移位检测系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述s2包括：
3.根据权利要求2所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述s26中，对所述预置images文件中图像数据，以及所述labels文件中的标签数据进行划分操作，得到训练集train文件、验证集val文件。
4.根据权利要求2所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，所述s27中的所述backbone层包括：focus、conv、c3模块以及sppf模块，利用所述backbone层提取输入图片的特征信息，形成全局、局部融合特征图；
5.根据权利要求2所述的基于目标空间位置偏差的轨道弹条移位检测方法，其特征在于，...
【专利技术属性】
技术研发人员：段启楠，全志鹏，李玉清，吴国胜，鲁维亮，刘燕文，章罕，尚宏伟，
申请(专利权)人：合肥超科电子有限公司，
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。