[发明专利]一种基于脉冲耦合神经网络的钢轨表面伤损检测方法

说明书

本发明涉及轨道交通及钢轨探伤领域，具体涉及一种基于脉冲耦合神经网络的钢轨表面伤损检测方法，本发明通过以下步骤实现对钢轨表面缺陷的识别检测：S1，图像预处理；S2，基于脉冲耦合神经网络对缺陷初步检测；S3，特征精确计算；S4，缺陷分类。本发明的优点是为智能检测、识别钢轨表面缺陷的实现提供了可行、高效、灵活的算法支持，提高钢轨表面是伤损判定的精准度和效率，降低人工检测钢轨的成本，有效预防断轨事故的发生。

技术领域

本发明涉及交通运输、工业监控、数字图像处理和模式识别领域，具体涉及一种基于脉冲耦合神经网络的钢轨表面伤损检测方法。

背景技术

中国幅员辽阔、内陆深广、人口众多，资源分布且工业布局不平衡，而兼具安全经济、全天候运输、运能大等特点的铁路运输在各种运输方式中的比较优势突出，是国家重要的交通基础设施，在经济社会发展中具有特殊重要的地位和作用，加快铁路发展已经成为国内社会各方面的共识。但是，随着铁路网的扩大和铁路养护维修需求的增加，现实对钢轨检测提出更高的要求。

由于铁路行车密度高和载重量大的特点，加速了钢轨表面缺陷的形成，如裂纹、疤痕、剥落等，如果未能及时发现、处理，钢轨表面缺陷可能进一步发展成为内部缺陷。车轮在有缺陷的钢轨上高速运行时连带的冲击作用会引起车轨系统耦合振动，不仅降低了乘坐的舒适度，而且损坏机车部件，极易导致钢轨断裂和火车脱轨，埋下铁路安全隐患。

目前，由于技术设备智能化较低和置换成本高，国内铁路养护依然以人工巡检为主，不仅效率低下、人力成本大，而且依靠人力对伤损检测的误报率和漏检率高。其次，钢轨表面受光照、列车机械震动等不良工况条件的影响，使得基于机器视觉的钢轨表面缺陷检测出的图像依然会夹杂噪声，对识别工作造成干扰。再者，非接触式的检测装置如高清摄像头，其固定在探伤设备上的位置可能出现偏差，或者探伤设备在移动时的振动也可能使得摄像装置获得的图像角度存在偏差，最终都不利于钢轨表面缺陷检测的精确度。

专利CN101893580B提出了一种基于数字图像的钢轨表面缺陷检测方法，该方法从检测到的表面伤损图像中提取钢轨区域，通过模拟人类视觉机制通过灰度补偿法将灰度图转换为对比度图，从而对可疑的缺陷区域进行定位及判定。但是单独从灰度值比较的角度很难准确捕捉钢轨表面缺陷的变化，对于伤损类型的覆盖也很难做到全面，缺乏数字转化表达，缺乏灵活性，不能满足不同缺陷处理的需求。该方法只对可疑缺陷矩形区域的几何特征进行抽取，并且根据该特征判断是否是钢轨缺陷，得出的检测结果过于局限和片面，对缺陷区域的判定条件过于单一，智能化程度较低，依然存在人工干预的弊端。

鉴于此，亟需克服传统非智能化的钢轨表面缺陷检测方法，设计一种检测速度快、自适应能力强、识别准确率高的钢轨表面缺陷视觉检测方法，为智能检测、识别钢轨表面缺陷的实现提供可行、高效、灵活的算法支持，从而完善钢轨表面缺陷检测技术以满足现代化钢轨检测系统的需求，为及时发现钢轨表面缺陷并向铁路部门提供维护数据提供技术保障。

与传统的人工神经网络相比，本发明采用的脉冲耦合神经网络(PCNN)具有更强大的生命力和广阔的应用空间。PCNN是一种单层的迭代运行式神经网络，具备哺乳动物视觉神经的特性。它是由大量动态神经元相互联系所构成的反馈网络，兼具了脉冲同步发放特性、非线性调制耦合性、变阈值特性和同步脉冲发放特性等。在实际应用时，PCNN并不是必须对网络进行训练，运算更快速；在进行并行处理过程时，待定参数少，结果可以保证最优，输出结果更趋近实际。基于上述优点算法的智能程度提高，对不同缺陷变化有着不同的识别能力，准确度方面也有极大的提高。

发明内容

一种基于脉冲耦合神经网络的钢轨表面伤损检测方法，其特征在于通过对图像数据的分析与处理，检测出钢轨轨道表面缺陷的位置及大小并分类，最后指出轨道缺陷类型，包含了以下步骤：

S1，图像预处理；

S2，基于脉冲耦合神经网络对缺陷初步检测；

S3，特征精确计算；