[发明专利]一种基于计算机视觉与超声波探伤的铁路检测方法和系统有效

专利信息
申请号: 201911369824.5 申请日: 2019-12-26
公开(公告)号: CN111024728B 公开(公告)日: 2022-04-26
发明(设计)人: 宋金博 申请(专利权)人: 江西交通职业技术学院
主分类号: G01N21/95 分类号: G01N21/95;G01N29/04;B61K9/10
代理公司: 成都帝鹏知识产权代理事务所(普通合伙) 51265 代理人: 黎照西
地址: 330000*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 计算机 视觉 超声波 探伤 铁路 检测 方法 系统
【说明书】:

发明公开一种基于计算机视觉与超声波探伤的铁路检测方法和系统,通过摄像头采集列车前方的铁路图像,通过超声波探伤装置采集车辆前方铁轨的超声波探伤信号,通过环境感应设备采集环境数据;摄像头、超声波探伤装置并列设置,同时采集轨道的同一点位信息;通过神经网络模型进行识别,获取图像轨道缺陷数据;通过波形特征分析,获得超声轨道缺陷数据;基于同一时间下的采集数据,对获得的图像轨道缺陷数据、超声轨道缺陷数据和环境数据进行分析和验证,获取到该轨道点位的轨道缺陷优化数据。本发明能够精准且快速的获取到轨道的缺陷数据;能够让管理人员实时获取到缺陷的精准数据,保证铁路安全运行,避免人力物力的浪费。

技术领域

本发明属于铁路轨道技术领域,特别是涉及一种基于计算机视觉与超声波探伤的铁路检测方法和系统。

背景技术

计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的信息。超声波探伤作为无损检验中常用的方法之一,其原理是通过利用内部缺陷在声学上说具有的性质特点对超声波传播的影响为基础,通过非破坏性地方式探测缺陷的大小、形状及分布情况。

随着高铁的发展,铁路运行时速不断的上升,这对于铁路缺陷的精准实时探测的要求显得越来越重要,为保障铁路安全起到了重要作用。现有方法多在铁路钢轨探伤车上安装有铁路钢轨探伤系统,采用与铁路钢轨踏面接触的轮探头,在探伤车行驶过程中完成铁路钢轨内部伤损的检测作业。但是现有的方法准确性不高,容易造成误判,不能实时、高效且快速的获得到轨道的缺陷状况,无法保证铁路安全运行,给铁路维护造成了交大的人力物力的浪费。

发明内容

为了解决上述问题,本发明提出了一种基于计算机视觉与超声波探伤的铁路检测方法和系统,能够精准且快速的获取到轨道的缺陷数据;能够让管理人员实时获取到缺陷的精准数据,保证铁路安全运行,避免人力物力的浪费。

为达到上述目的,本发明采用的技术方案是:一种基于计算机视觉与超声波探伤的铁路检测方法,包括步骤:

通过摄像头采集列车前方的铁路图像,通过超声波探伤装置采集车辆前方铁轨的超声波探伤信号,通过环境感应设备采集环境数据;所述摄像头、超声波探伤装置并列设置,同时采集轨道的同一点位信息;

对铁路图像数据通过神经网络模型进行识别,获取图像轨道缺陷数据;

对超声波探伤信号进行波形分析,获得超声轨道缺陷数据;

基于同一时间下的采集数据,对所获得的图像轨道缺陷数据、超声轨道缺陷数据和环境数据进行分析和验证,以获取到该轨道点位的轨道缺陷优化数据。

进一步的是,所述对铁路图像数据通过神经网络模型进行识别,获取图像轨道缺陷数据,包括步骤:

提取铁路图像中的铁轨特征点;

对铁路图像中的铁轨特征点进行拟合得到铁轨车道线,进行转换后构成由铁轨像素构成的轨道灰度图;

将所述轨道灰度图输入基于神经网络预先建立的铁路损伤识别模型,识别轨道缺陷数据。

通过提取图像中融合了轨道特征像素的轨道灰度图,能够有效避免图像中其它背景像素对图像的影响,能够精准且快速的识别出轨道的缺陷。

进一步的是,利用大量的轨道缺陷图像通过神经网络模型训练获得铁路损伤识别模型。

进一步的是,所述对超声波探伤信号进行波形分析,获得超声轨道缺陷数据,包括步骤:

对超声波探伤信号进行时域和频率分析,得到轨道缺陷特征量的波形图,所述特征量包括频率、幅值和相位;

将得到轨道缺陷特征量的波形图和与正常轨道特征量的波形图进行对比分析,并基于分析结果确定该轨道缺陷的缺陷类型和等级。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西交通职业技术学院,未经江西交通职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911369824.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top