[发明专利]一种铁路轨道超声自动探伤方法

说明书

本发明公开了一种铁路轨道超声自动探伤方法，包括：采集列车轨道的超声B扫图像；基于超声B扫图像提取多尺度数据集；计算多尺度数据集中包含的缺陷特征数据和缺陷特征类型；基于缺陷特征类型和缺陷特征数据生成检测报告。本发明通过对超声B扫图像进行单通道数据分割、组合通道数据框合并后，提取不同颗粒度的多种分割框并生成多尺度数据集，有效提升了缺陷分割的准确性且提升了后续缺陷特征数据和缺陷特征类型提取时的准确性。同时本发明通过神经网络单元提取多尺度数据集包含的缺陷特征区域信息和缺陷特征类型信息进行判伤算法的灵活调用，从而准确提取对应缺陷区域的缺陷特征数据并通过相应的判伤算法计算，进一步提升了检测结果的准确性。

技术领域

本发明涉及铁路检测技术领域，具体涉及一种铁路轨道超声自动探伤方法。

背景技术

目前，国内市场的钢轨探伤车主要有Sperry的GTC-80X探伤车和金鹰重工铁科院的GTC-80J探伤车，Sperry探伤车目前在国内市场占主要地位，在国内大铁市场基本属于垄断地位。SPERRY探伤车的数据分割算法采用的是传统的算法架构，传统的算法架构往往采用一次定制方案，即在开发算法期间将所有判伤条件设计完毕，且无法改动或只能进行较小改动。但是，在应用期间，会出现一些在算法设计阶段未考虑过的特殊缺陷形态，传统算法架构无法应对这些情况。

具体的，传统的数据分割算法总会把两个靠的近的缺陷合并成一个，或者把同一个分隔得比较开的缺陷分割成两个，造成缺陷分割不准确进而影响最终缺陷检测结果的准确性。并且传统的条件判伤算法需要根据设计者对缺陷的特征进行精准定制，传统的算法架构往往采用一次定制方案，即在开发算法期间将所有判伤条件设计完毕，且无法改动或只能进行较小改动。而在实际应用期间，会出现一些在算法设计阶段未考虑过的特殊缺陷形态，导致缺陷检测结果的可靠性较低。

因此，传统的铁路轨道探伤方法存在检测结果准确性低的问题。

发明内容

有鉴于此，本发明提供一种铁路轨道超声自动探伤方法，通过改进超声图像的数据处理方法，解决了传统的铁路轨道探伤方法存在的检测结果准确性低的问题。

为解决以上问题，本发明的技术方案为采用一种铁路轨道超声自动探伤方法，包括：S1：采集列车轨道的超声B扫图像；S2：基于所述超声B扫图像提取多尺度数据集；S3：计算所述多尺度数据集中包含的缺陷特征数据和缺陷特征类型；S4：基于所述缺陷特征类型和所述缺陷特征数据生成检测报告。

可选地，所述S2包括：S21：对所述超声B扫图像进行单通道数据分割生成多个第一分割框；S22：对多个所述第一分割框进行组合通道数据框合并生成多个第二分割框；S23：基于多个所述第二分割框进行多尺度数据提取后，合并生成所述多尺度数据集。

可选地，所述S21包括：S211：提取所述超声B扫图像的单通道数据；S212：计算所述单通道数据的数据点之间的水平距离和深度距离；S213：遍历所述单通道数据的数据点之间水平距离小于第一阈值且深度距离小于第二阈值的多个数据点并构成至少一个数据群，同时提取所述数据群中纵坐标最小和纵坐标最大的两个数据点并构成所述数据群对应的所述第一分割框；S214：重复步骤S211-S213直至提取所述超声B扫图像的全部通道数据的多个所述数据群及其对应的所述第一分割框。

可选地，所述S22包括：S221：将多个所述单通道数据按照拍摄角度依次水平拼接后生成多通道数据；S222：对所述多通道数据中的全部数据群对应的所述第一分割框进行长度增长第三阈值、宽度增长第四阈值的膨胀化处理；S223：以所述多通道数据中的任一所述数据群为中心，计算所述数据群对应的所述第一分割框与相邻数据群对应的所述第一分割框的重合度，在重合度超过第五阈值的情况下，对所述数据群与其相邻的所述数据群进行数据群及分割框合并处理；S224：重复步骤S223直至完成全部所述数据群的合并处理，生成合并后的多个所述数据群及其对应的多个所述第二分割框。