[发明专利]一种钢轨轨道上异物检测的方法

说明书

本发明公开了一种钢轨轨道上异物检测的方法，包含：S1、利用双轨探伤小车对钢轨进行拍摄，主机将所有图片汇集生成原始数据集，然后进行筛选标注处理，从而生成训练数据集；S2、利用SSD算法建立SSD网络结构预系统和SSD网络结构检测系统，将训练集导入SSD网络结构预系统中进行训练，使其达到预期标准；S3、使用SSD网络结构预系统对测试集内的图片进行预处理，将预处理后生成的图片导入至SSD网络结构检测系统中，经检测模块处理后输出图片并判断该图片是否有异物；S4、若SSD网络结构系统判定正常记录，继续拍摄图片生成原始数据集，对SSD网络结构系统进行完善；S5、后期采集的图片直接导入至SSD网络结构检测系统内，对图片进行判别并输出检测结果。

技术领域

本发明涉及钢轨轨道技术领域，具体为一种钢轨轨道上异物检测的方法。

背景技术

钢轨是铁路设施中的重要组成，并与转辙器及道岔合作，令火车无需转向便能行走，钢轨为两条轨道对称设置，让火车沿着轨道稳定行驶。现有用于对钢轨轨道上异物检测的效率非常低下，还是利用图像识别技术判定钢轨上是否有异物，判定效果差且需要人工进行判定，由于轨道线路较长，且图像识别效果差加上人工操作，不仅提高了工人的工作量，且本身的判定速度大大降低，无法有效快速实现全面检测，降低了轨道的安全系数。

发明内容

本发明的目的在于提供一种钢轨轨道上异物检测的新方法，可进行快速全面的检测，提高在钢轨上异物检测的检测效率，大大地降低工人的工作量，从而提高轨道的安全性。

为了达到上述目的，本发明通过以下技术方案实现：

一种钢轨轨道上异物检测的方法，其特征在于，包含：

S1、利用双轨探伤小车对钢轨进行拍摄，并将拍摄的图片传输至主机，主机将所有图片汇集生成原始数据集，将原始数据集进行筛选标注处理，从而生成训练数据集；

S2、将训练数据集分成训练集和测试集，将训练数据集导入至SSD算法中，利用SSD算法建立SSD网络结构预系统和SSD网络结构检测系统，将训练集导入SSD网络结构预系统中进行训练，使SSD网络结构预系统达到预期标准，其中，SSD网络结构预系统具备数据集模块、模型模块、训练模块和评估模块；

S3、使用SSD网络结构预系统对测试集内的图片进行预处理，将预处理后生成的新图片导入至SSD网络结构检测系统中进行训练，SSD网络结构检测系统中内置检测模块，经检测模块处理后输出图片并判断该图片是否有异物，若有，在该图片上标出异物所在的位置；

S4、若SSD网络结构预系统判定正常记录，继续拍摄图片生成原始数据集，再次导入至SSD算法，对SSD网络结构预系统进行完善，直至利用测试集测试SSD网络结构预系统达到预期标准；

S5、后期采集的图片直接导入至SSD网络结构检测系统内，SSD网络结构检测系统对图片进行判别并输出检测结果。

可选地，所述步骤S1具体包括：

S101、利用双轨探伤小车对钢轨进行拍摄，并将拍摄的图片传输至主机，其中，所述双轨探伤小车在拍摄时，既需要拍摄轨面上的异物，也需要拍摄固定钢轨的扣件上的异物；

S102、判断所述双轨探伤小车拍摄的图片的数量是否大于或等于设定阈值，若是，进行步骤S103，若否，重复步骤S101；

S103、主机将所有图片汇集生成训练数据集。

可选地，所述步骤S1具体包括：

S101、利用双轨探伤小车对钢轨进行拍摄，并将拍摄的图片传输至主机；

S102、主机将所有图片汇集生成原始数据集；

S103、筛选出原始数据集中存在异物的图片并将该图片进行标注，从而生成训练数据集。