[发明专利]一种铁路钢轨缺陷检测方法、系统、设备及存储介质

说明书

本发明公开了一种铁路钢轨缺陷检测方法、系统、设备及存储介质，涉及计算机视觉技术领域。所述方法包括：获取钢轨表面图像数据集，得到标记数据集；采用目标检测算法对所述标记数据集进行训练，得到钢轨缺陷的检测模型；采用目标分类算法对数据集进行分类训练，得到钢轨缺陷的分类模型；获取待测钢轨图像，采用所述检测模型对所述待测钢轨图像进行检测，得到缺陷定位信息；采用所述分类模型对所述待测钢轨图像的缺陷定位信息进行类别判定，得到缺陷判定结果。本发明能够在巡检列车上高效地对复杂轨道场景下的铁路钢轨缺陷进行快速检测定位，如果发现钢轨缺陷，便可以及时定位并报警，提醒工作人员维修时对相应位置的钢轨及时采取维修措施。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种铁路钢轨缺陷检测方法、系统、设备及存储介质。

背景技术

铁路是国民经济大动脉、关键基础设施和重大民生工程，是综合交通运输体系的骨干和主要运输方式之一，在我国经济社会发展中的地位和作用至关重要。伴随着铁路运行向着高速、大密度和重载列车的方向发展，如何切实高效的保障铁路运行安全是正面临的严峻考验。钢轨是铁路轨道的基本承重结构，用于引导机车车辆行驶，同时为车轮的滚动提供最小阻力的接触面。受到重载、疲劳磨损以及外界环境影响，钢轨表面产生的擦伤、掉块、凹陷、划痕、裂纹等缺陷会给铁路运行安全造成重大安全隐患。近年来，随着计算机视觉技术，图像处理技术的迅速发展，钢轨表面缺陷检测正朝着新的方向发展，从人工检测向智能化检测技术方向转变。

传统的铁路日常维修检测中主要依靠巡道工人去人工巡检。由于轨道地形复杂和线路较长，且钢轨表面缺陷呈随机分布、大小不一、分布不连续的特点，人工巡检花费的时间多且不易检测出缺陷位置，难度大，存在安全隐患。目前，针对钢轨缺陷，较智能化的检测方法有涡流线圈检测、超声波探伤检测、传统机器视觉检测等。但是，其方法最终的检测结果仍需人工处理，做出判断，且易受外部环境干扰，在实时性方面难以达到理想应用效果。因此，仍需对钢轨缺陷采用一种更为高效的方法进行应用，从而解决目前存在的问题。

目前，我国的轨道巡检列车虽然已实现对轨道某些方面的自动巡检，但在钢轨缺陷的检测方面，还存在着不少问题，尚未有检测效果良好的钢轨缺陷检测系统应用于综合巡检列车上。由于铁路运行里程很长，因此，每次检测运行过程会产生非常大的待检测数据，而铁路场景下网络通信速度有限，无法将庞大的数据量实时传送回数据中心进行检测。目前，对于巡检列车采集到的铁路钢轨大量数据，通常存储在可移动硬盘中，待巡检结束再带回到数据中心进行检测，时效性差，会耗费大量的时间精力。较之于目前所采用的检测方法，基于深度学习技术的在巡检列车上进行的铁路钢轨缺陷检测方法具有更强的应用意义，有效地节省人工成本，有效地解决数据传输问题，对实时采集的数据进行实时的检测，极大地提高检测效率，保障铁路的运行安全。

发明内容

本发明目的在于，提供一种铁路钢轨缺陷检测方法、系统、设备及存储介质，达到对采集的铁路钢轨缺陷快速检测分析的目的。

为实现上述目的，本发明实施例提供一种铁路钢轨缺陷检测方法，包括：

获取钢轨表面图像数据集，并对所述钢轨表面图像数据集内的数据缺陷进行标记，得到标记数据集；

采用目标检测算法对所述标记数据集进行训练，得到钢轨缺陷的检测模型；

对所述钢轨表面图像数据集内的缺陷类别进行分类，得到分类数据集；

采用目标检测分类算法对所述分类数据集进行训练，得到钢轨缺陷的分类模型；

获取待测钢轨图像，采用所述检测模型对所述待测钢轨图像进行检测，得到缺陷定位信息；

采用所述分类模型对所述待测钢轨图像的缺陷定位信息进行类别判定，得到缺陷判定结果。

优选的，所述获取钢轨表面图像数据集，并对所述钢轨表面图像数据集内的数据缺陷进行标记，得到标记数据集，包括：