[发明专利]钢轨伤损超声定位识别方法及计算机可读取存储介质

说明书

本申请公开了一种钢轨伤损超声定位识别方法及计算机可读取存储介质，该方法包括以下步骤：S11)将钢轨超声波检测信号转换为超声波时间序列数据及B显图像数据；S12)对生成的超声波时间序列数据及B显图像数据进行预处理；S13)采用图像分割网络对经过预处理后的B显图像数据进行语义分割，并生成分割子区域，以实现伤损定位；S14)根据生成的分割子区域采用分类网络对区域内的目标进行伤损类别识别；S15)采用专家规则对步骤S14)的分类结果进行特征提取和后处理，精细化步骤S14)得到的伤损识别结果。本申请能解决现有钢轨伤损超声检测方法需要较多的人工干涉，检测周期长及伤损检出率低的技术问题。

技术领域

本申请涉及钢轨探伤技术领域，尤其涉及一种应用于钢轨内部伤损智能定位及分类的超声探伤方法及计算机可读取存储介质，通过深度学习及图像分割技术能够高效、准确地定位钢轨内部伤损位置，并能自动识别出伤损的类别。

背景技术

在轨道工程机械领域，钢轨探伤车6作为检测钢轨内部伤损的常用工程车辆，广泛应用于钢轨的探伤和维护。如附图1所示，一个超声波钢轨探伤系统通常包括：设置在钢轨探伤车6上的钢轨伤损检测系统7、钢轨伤损分析系统8，以及设置在钢轨探伤车上的探伤装置9，探伤装置9上安装有探轮11。当需要进行钢轨探伤作业时，钢轨伤损检测系统7控制探轮11压在钢轨13的上表面，钢轨伤损检测系统7向探轮11发出超声波激励脉冲信号，探轮11内部的超声波晶片12在交变电场作用下，产生与电场同步的机械振动，从而发射超声波信号，产生的超声信号经过轮液、轮膜、耦合液层入射至钢轨13，不同角度的超声波晶片12发射的超声波在钢轨13中的传播路径不同。超声波信号在钢轨13内传播时，遇到伤损或者钢轨底部则返回，返回的超声波信号经过钢轨伤损分析系统8后形成伤损图像信息。

如附图2所示，超声波钢轨探伤系统共配备了6个内部充满乙二醇液体的探轮11，左右各安装3个探轮11。在同侧探轮中，前、后探轮按照镜像位置安装，其内各配有6个超声波晶片12，即一个0度、一个45度、一个70度的三晶片阵列以及一个侧打晶片；中间探轮安装有两个指向钢轨13内侧的偏斜70度超声波晶片及一个0度超声波晶片。当钢轨探伤车6运行时，探轮11沿钢轨13滚动，其内部的超声波晶片12保持不动。不同安装角度的超声波晶片12能够保证对钢轨13进行多角度、多方位的探伤。

钢轨探伤车6的钢轨伤损分析系统8一般都有A型显示和B型显示两个图形窗口用于判伤。其中，A型显示通过示波器显示超声回波模拟信号，如附图3所示；而B型显示通过图像直观地显示钢轨内部超声信号反射点信息，如附图4所示。在B型图中，根据超声波的反射面定义如附图5所示的回波点，其法线方向为超声波传播方向，每个回波点能被对应角度的超声波晶片12检测到，因此记为相应的检测通道号。钢轨伤损检测系统7采用多次检测，一个结构特征可被多次检测，如螺(栓)孔的特征A、B、C能被不同的超声波晶片12检测到，从而形成“A”字型的检测图形，如附图6所示。

钢轨探伤车6由于其探伤效率高，探查范围全面等原因被广泛用于钢轨探伤作业中，但如何快速、精确地找到钢轨内部的伤损依旧是目前钢轨探伤亟待改进的方向。在现有的作业模式中，主要还是依靠车上和地面人员全线回放的方式实现人工判伤，这种方式不仅增加了人工劳动成本，且主要根据回放人员经验等因素影响，容易造成主观人为漏伤。此外，国内一些钢轨探伤车的钢轨伤损检测系统虽带有伤损识别功能，能够自动对所测数据进行伤损定位和分类，但其采用的识别算法是基于既有规则的逻辑判断方法。钢轨内多变的伤损形态和状况不能完全用简单逻辑来判断，因此伤损识别结果的准确率不高，误报较多，伤损漏报的现象时有发生。当前，利用决策树分析、人工特征构建和支持向量机等方式对超声波检测数据进行智能伤损识别逐渐成为研究的主流。随着深度学习在目标识别和分类方面的快速发展，出现了较多基于深度学习的伤损识别方法，如：将B型图按照16个超声通道制成二进制稀疏矩阵作为输入，利用通道间的距离特征实现目标的定位，再使用AlexNet网络识别伤损；或者利用RGB颜色通道分别表示轨头、轨腰和轨底的信息，再使用RCNN网络进行目标检测。虽然深度学习方法具备多种优势，但在钢轨伤损识别的实际运用中仍然存在可解释性差和参数优化困难等问题。