一种应用于铁路运营的微小部件检测系统及方法

技术领域

本发明属于图像数据处理的技术领域，特别是涉及一种应用于铁路运营的微小部件检测系统及方法。

背景技术

在社会发展的浪潮中，铁路网络布局的推进和高铁技术的快速发展，使得铁路运营维护检测承担着越来不可忽视的重要职责。铁路配件作为铁路线路的组成部分，包括钢轨、轨枕、连接零件、道床、防爬设备、轨撑和道岔。作为整体的工程结构，轨道铺设在路基之上，承担着列车运行的导向作用，承载巨大的压力。安全的零件部署，是保障列车安全、平稳运行的基础。

铁路上的微小部件作为安全运行作业的基础保障，在日常运用中如何实现针对微小部件的有效故障监测，可以有效保障铁路的日常运营。目前针对微小部件的检测，普遍还是依靠人工检测的方式，这种方式不仅需要投入大量的时间成本，同时针对检查人员也存在未知的安全隐患。

发明内容

发明目的：提出一种应用于铁路运营的微小部件检测系统及方法，以解决现有技术存在的上述问题。通过构建的检测模型快速、高效的实现对微小部件的检测，保障铁路运行的安全。

技术方案：第一方面，提出了一种应用于铁路运营的微小部件检测方法，针对快速检测的需求，通过构建的检测模型快速、高效的实现对微小部件的检测，保障铁路运行的安全。该方法具体包括以下步骤：

步骤1、通过信息采集设备获取待分析的目标图像数据；

步骤2、对待分析的目标图像数据进行预处理；其中，预处理的过程，进一步包括滤波操作和锐化操作；

进一步的，对待分析的目标图像数据进行预处理的过程包括以下步骤：

步骤2.1、接收信息采集设备获得的待分析的目标图像数据；

步骤2.2、对待分析的目标图像数据进行滤波处理，针对待分析的目标图像数据中的像素点，采用预设范围内像素值求均值的方式，将图像像素值转变为领域预设范围内像素的平均值，实现噪声分散，降低噪声影响；

步骤2.3、对经过滤波处理后的图像数据进行锐化处理，通过拉普拉斯过滤器得到灰度突变的区域，并进行原始图像数据与处理后数据的叠加，实现锐化；

步骤2.4、输出锐化处理后的图像数据，作为预处理后的目标图像数据；

步骤3、构建铁路部件检测模型并接收经过预处理后的目标图像数据；

步骤4、利用所述铁路部件检测模型锁定选取预处理后的目标图像数据中的目标部件所在区域；

步骤5、基于获得的目标部件所在区域，对目标部件进行检测分析；

步骤6、将检测分析结果传输至铁路运营中心；

步骤7、铁路运营中心根据接收到的检测分析结果制定应对方案。

在第一方面的一些可实现方式中，锐化图像获取表达式为：

式中，

铁路部件检测模型具体包括：目标区域锁定模型和目标检测模型，在利用铁路部件检测模型执行图像数据分析处理的过程中，针对接收到的预处理后的目标图像数据，先利用目标区域锁定模型，锁定选取目标图像数据中的目标部件所在区域；其次，基于获得的目标部件所在区域，利用检测模型对目标部件进行检测分析。

利用目标区域锁定模型锁定选取目标部件所在区域的过程中，具体包括以下步骤：

步骤4.1、目标区域锁定模型接收预处理后的目标图像数据；

步骤4.2、对接收到的预处理后的目标图像数据进行特征提取，并生成多个预测边框；

步骤4.3、计算每个预测边框的置信度；置信度的计算过程为：

式中，

步骤4.4、基于置信度设定阈值；

步骤4.5、将每个预测边框的置信度与阈值大小做比对，滤除置信度低于阈值的无效边框，获得最后的预测边框作为目标部件所在区域。

利用目标检测模型对目标部件进行检测分析的过程，具体包括以下步骤：

步骤5.1、接收目标部件所在区域的图像数据；

步骤5.2、利用目标检测模型进行部件特征提取，获得特征图矩阵；

步骤5.3、对获取到的特征图矩阵进行全局平均池化处理，并将全局平均池化处理后的特征图矩阵展开为一维向量；

步骤5.4、将所述一维向量经过Droupout丢失层和全连接层之后，通过softmax分类器实现故障二分类检测，获得检测分析结果。

在第一方面的一些可实现方式中，通过添加残差结构的方式对目标区域锁定模型进行优化，通过增加网络层级来增强网络特征，有效解决在高尺度的特征层中，由于被遮挡部分出现语义丢失的现象。

同时，目标区域锁定模型仅由卷积层构成，且每层后面跟着归一化层和激活层，并通过预设步幅的卷积层代替常见的池化层。通过预设步幅代替池化层进行降采样的操作，可以有效降低因池化层导致的低级特征的损失。

另外，为了提高目标检测模型的识别性能，在使用之前采用多分类损失函数对其进行性能训练，其中多分类损失函数L

式中，m表示类别数量；N表示样本数；i表示样本序号；

第二方面，提出一种应用于铁路运营的微小部件检测系统，用于实现微小部件检测方法，该系统具体包括：

用于获取待分析的目标图像数据的数据获取模块；

用于对目标数据进行预处理分析的数据预处理模块；

用于根据需求构建铁路部件检测模型的模型构建模块；

用于对目标数据进行检测分析的数据分析模块；

用于输出数据模块分析结果的数据输出模块。

在第二方面的一些可实现方式中，数据获取模块通过信息采集设备获取待分析的目标图像数据，并利用数据预处理模块对获取到的待分析的目标图像数据进行数据增强的预处理操作；在数据分析模块中，针对增强获得的图像数据，利用模型构建模块构建的铁路部件检测模型进行检测分析；最后，再利用数据输出模块将数据分析模块的数据分析结果输出。

其中，数据增强的预处理过程中，数据预处理模块进一步包括滤波模块和锐化模块，并基于滤波模块实现分散噪声的方式，减弱噪声对后续分析结果的影响，在基于锐化模块实现图像灰度过度部分的突出，使灰度反差增强。

第三方面，提出一种应用于铁路运营的微小部件检测设备，该设备包括：处理器以及存储有计算机程序指令的存储器。

其中，处理器读取并执行计算机程序指令，以实现微小部件检测方法。

第四方面，提出一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令。计算机程序指令被处理器执行时，以实现微小部件检测方法。

有益效果：本发明提出了一种应用于铁路运营的微小部件检测系统及方法，针对铁路运营的微小部件检测需求，通过构建的检测模型，快速、高效的实现了对微小部件的检测，保障铁路运行的安全。

附图说明

图1为本发明的数据处理流程图。

具体实施方式

在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。

在铁路日常运营的过程中，为保证铁路的安全运行，需要对铁路线路上的微小部件进行定期检测，从而保障行驶安全。由于现有技术中常采用人工定期排查的方式进行安全检测，使得检测速度慢，同时，针对微小的部件也常存在遗漏程度高的等问题。另外，检察人员本身置于铁路上也存在了未知的安全隐患。本申请针对快速检测的需求，提出一种应用于铁路运营的微小部件检测系统及方法，通过构建的检测模型快速、高效的实现对微小部件的检测，保障铁路运行的安全。

实施例一

在一个实施例中，日常的铁路运营过程中，由于列车的震动以及零件老化等现象，常会导致微小连接部件之间出现松动、断裂、丢失等等现象，进而导致安全隐患的出现，相比于现有技术中的人工检测方法，本实施例提出一种应用于铁路运营的微小部件检测方法快速高效的实现对微小部件的检测，如图1所示，该方法具体包括以下步骤：

步骤1、通过结构光设备获取铁路运行道路上的图像数据；

步骤2、对待分析的目标图像数据进行预处理；

具体的，由于实际应用环境的变化，在利用结构光设备获取图像数据的过程中，常会因为障碍区遮挡、拍摄实现遮挡等因素导致离散点的存在，进而影响后续数据分析过程的特征提取准确率，干扰最终的检测结果。本实施例针对可能存在的干扰现象，对获得的图像数据做均值滤波处理，将图像像素值转变为领域预设范围内像素的平均值，通过分散噪声的方式，减弱噪声对后续分析结果的影响。

优选实施例中，邻域范围选取8个像素值，针对获得的图像数据，读取包含目标像素选定范围内的像素值及其领域的8个像素，获得均值的表达式为：

式中，

在进一步的实施例中，由于图像数据中的目标部件的轮廓不清晰，会导致后续分析过程的特征提取效率不高，影响最终的分析结果，因此在实际应用的环境中针对待检测的微小部件图像数据存在轮廓不明显的现象，对其进行进一步的锐化处理，突出灰度过度部分，使灰度反差增强。

其中，锐化的过程为首先对经过滤波处理后的图像数据采用拉普拉斯过滤器得到图像数据中灰度突变的区域；随后，将未采用拉普拉斯过滤器处理前的数据与采用拉普拉斯过滤器处理后的图像数据进行叠加，得到锐化处理后的图像数据，即：

式中，

步骤3、构建铁路部件检测模型并接收经过预处理后的图像数据。

步骤4、利用铁路部件检测模型锁定选取图像数据中的目标所在区域；

具体的，铁路部件检测模型具体包括目标区域锁定模型和目标检测模型，铁路日常运营的过程中，首先通过目标区域锁定模型锁定预处理后的目标图像数据中的目标部件所在区域；随后基于目标部件所在区域，利用检测模型实现微小部件的检测。

锁定目标所在区域的过程中，目标区域锁定模型首先接收经过预处理后的目标图像数据；随后，针对接收到的预处理后的图像数据进行特征提取，并生成多个预测边框；然后，计算每个预测边框的置信度；最后，基于置信度设定阈值，并通过将每个预测边框的置信度与阈值大小做比对，滤除无效边框，获得最后的预测边框作为目标部件所在区域。

其中，置信度的计算过程为：

式中，

相比于现有技术中采用的池化层，本实施例提出的目标区域锁定模型由一些列的卷积层构成，每层后面跟着归一化层和激活层，并通过预设步幅的卷积层代替常见的池化层。通过预设步幅代替池化层进行降采样的操作，可以有效降低因池化层导致的低级特征的损失。

在进一步的实施例中，在高尺度的特征层中，由于被遮挡部分较容易出现语义丢失的现象，因此通过添加残差结构的方式对目标区域锁定模型进行优化。

具体的，在现有的残差结构中增加更小的粒子，将现有的单个残差块进行更细的划分，在原来的残差块中增加更小的残差块。优选实施例中，残差结构采用Res2Net残差网络。

本实施例提出的残差结构不仅增加了感受野范围，还不需要通原先的分层特征一样通过增加网络层级来增强网络特征。通过残差结构对目标区域锁定模型的优化，可以有效解决微小部件被遮挡的问题。

步骤5、基于获得的目标部件所在区域，对部件进行检测分析；

具体的，在获取到的标目区域利用铁路部件检测模型中的检测模型对目标微小部件进行检测时，首先接收目标部件所在区域的图像数据；其次，利用目标检测模型进行部件特征提取，获得特征图矩阵；随后，对获取到的特征图矩阵进行全局平均池化处理，并将全局平均池化处理后的特征图矩阵展开为一维向量；最后，将所述一维向量经过Droupout丢失层和全连接层之后，通过softmax分类器实现故障二分类检测，获得检测分析结果。

在进一步的实施例中，为了提高目标检测模型的性能，采用多分类损失函数进行性能优化，其中多分类损失函数L

式中，m表示类别数量；N表示样本数；i表示样本序号；

步骤6、将检测分析结果传输至铁路运营中心；

步骤7、铁路运营中心根据接收到的检测分析结果制定应对方案。

本实施例通过对图像数据进行预处理，有效提取图像特征，进行提高后续模型的识别结果。

实施例二

在一个实施例中，提出一种应用于铁路运营的微小部件检测系统，用于实现应用于铁路运营的微小部件检测方法，该系统更具体包括以下模块：数据获取模块、数据预处理模块、模型构建模块、数据分析模块、数据输出模块。

具体的，数据获取模块用于通过信息采集设备获取待分析的目标图像数据；数据预处理模块用于对数据获取模块获取到的待分析的目标图像数据进行数据增强的预处理操作；模型构建模块用于根据需求构建铁路部件检测模型；数据分析模块用于根据检测需求，利用铁路部件检测模型对目标部件进行检测分析；数据输出模块用于输出数据分析模块的分析结果。其中，模型构建模块构建的铁路部件检测模型进一步包括目标区域锁定模型和目标检测模型。

在进一步的实施例中，在铁路日常运营的过程中，为了有效保障行驶安全，通过应用于铁路运营的微小部件检测系统实现微小部件检测方法的过程为：首先，采用数据获取模块中的信息采集设备采集待分析的目标图像数据；其次，为了提高后续数据分析的结果，利用数据预处理模块对数据获取模块获取到的待分析的目标图像数据进行数据增强的预处理操作；数据获取模块获取到的目标图像数据进行数据增强的预处理操作；再次，根据运营过程中的检测需求，通过模型构建模块构建铁路检建模型；从次，利用数据分析模块根据检测需求，利用铁路部件检测模型对目标部件进行检测分析；最后，数据输出模块将数据分析模块的检测分析结果输出至铁路运营中心，铁路运营中心根据接收到的检测分析结果制定应对方案，完成日常正常的运营。

其中，数据预处理模块进一步包括：滤波处理模块和锐化模块，通过先利用滤波模块进行滤波处理，再采用锐化模块进行锐化处理，可以通过先分散噪声的方式，减弱噪声对后续分析结果的影响；再利用锐化模块加强目标图像数据的轮廓，突出灰度过度部分，使灰度反差增强。

模型构建模块构建的铁路部件检测模型进一步包括：目标区域锁定模型和目标检测模型。其中，目标区域锁定模型用于锁定选取目标图像数据中的目标部件所在区域；检测模型用于基于获得的目标区域，实现对目标部件进行检测分析。优选实施例中，针对数据获取过程中可能出现的遮挡现象，目标区域锁定模型中进一步采用残差结构进行优化。

实施例三

在一个实施例中，提出一种应用于铁路运营的微小部件检测设备，该设备包括：处理器以及存储有计算机程序指令的存储器。

其中，处理器读取并执行计算机程序指令，以实现应用于铁路运营的微小部件检测方法。

实施例四

在一个实施例中，提出一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令。

其中，计算机程序指令被处理器执行时，以实现应用于铁路运营的微小部件检测方法。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。