一种钢轨损伤评估检测方法、装置、电子设备及存储介质

技术领域

本发明涉及图像处理领域，特别涉及一种钢轨损伤评估检测方法、装置、电子设备及存储介质。

背景技术

铁路营运里程日益增长的同时，列车的运营速度、载货重量也在不断上升，钢轨受到列车带来的挤压和冲击越来越大，钢轨出现损伤的概率越来越高，由此引发的问题数量越来越多。钢轨表面损伤检测是铁路运营管理中重要的一个环节，近年来，也有许多高新技术被应用在钢轨检测方面上来，常用的有：超声波检测、磁漏检测和涡流检测。使用超声波检测虽然对铁轨内部的缺陷有较好的检测效果，但对于铁轨表面损伤的检测效果却不尽人意；而漏磁检测和涡流检测，实现难度大，检测效率低下，性价比不高。机器视觉在自动检测中的应用极为广泛，它不仅能够对目标进行检测，还能通过算法训练做到对目标的特征进行识别分类、画出缺陷范围。目前，机器视觉已经在工业零件加工方面有着较为成熟的利用，主要是用于检测目前产品外形检验和表面缺陷检验，能够针对大量的目标，准确有效的找出表面缺陷或是零件不达标准的部位。在焊缝的质量和缺陷识别，加工中心刀形的自动识别，金属表面缺陷检查，印刷电路底版的品质检测等方面都取得很好的成果。

现阶段钢轨表面检测很大程度上还是依赖人工检测，人工检测方法检测效率低下，容易出现错检测、漏检的情况，而且人力成本高，不能全天候检测，容易受到自然环境的影响。现阶段机器视觉钢轨检测技术存在检测效果单一，不能综合利用钢轨表面的物理特征，得不到完整的测信息，检测效率低，容易出现误判的情况。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。

为此，本发明提出一种钢轨损伤评估检测方法，能够通过结合钢轨表面裂纹和钢轨表面缺陷综合评判钢轨的使用情况，并根据目前钢轨的使用情况给出合理的建议，使得钢轨检测更加全面准确。

本发明还提出一种应用上述钢轨损伤评估检测方法的装置。

本发明还提出一种应用上述钢轨损伤评估检测方法的电子设备。

本发明还提出一种应用上述钢轨损伤评估检测方法的计算机可读存储介质。

根据本发明第一方面实施例的钢轨损伤评估检测方法，所述方法包括：

获取钢轨表面图像；

对所述钢轨表面图像进行预处理，得到钢轨预处理图像；

基于钢轨检测算法对所述钢轨预处理图像进行检测处理，得到钢轨表面裂纹特征和钢轨表面缺陷特征；

基于所述钢轨表面裂纹特征和所述钢轨表面缺陷特征得到对应于所述钢轨表面裂纹特征的钢轨表面裂纹信息和对应于所述钢轨表面缺陷特征的钢轨表面缺陷信息；

基于所述钢轨表面裂纹信息和所述钢轨表面缺陷信息得到钢轨评估检测结果。

根据本发明实施例的钢轨损伤评估检测方法，至少具有如下有益效果：首先获取钢轨表面图像，接着对钢轨表面图像进行预处理，得到钢轨预处理图像；接着基于钢轨检测算法对钢轨预处理图像进行检测处理，得到钢轨表面裂纹特征和钢轨表面缺陷特征；然后基于钢轨表面裂纹特征和钢轨表面缺陷特征得到对应于钢轨表面裂纹特征的钢轨表面裂纹信息和对应于钢轨表面缺陷特征的钢轨表面缺陷信息；最后基于钢轨表面裂纹信息和钢轨表面缺陷信息得到钢轨评估检测结果；通过上述技术方案，能够通过结合钢轨表面裂纹和钢轨表面缺陷综合评判钢轨的使用情况，并根据目前钢轨的使用情况给出合理的建议，使得钢轨检测更加全面准确。

根据本发明的一些实施例，所述对所述钢轨表面图像进行预处理，得到钢轨预处理图像，包括：

对所述钢轨表面图像进行灰度转换，得到钢轨表面灰度图像；

基于几何变换算法对所述钢轨表面灰度图像进行矫正处理，得到钢轨表面修正图像；

基于高斯滤波算法对所述钢轨表面修正图像进行去噪处理，得到钢轨表面去噪图像；

基于频域法对所述钢轨表面去噪图像进行增强处理，得到所述钢轨预处理图像。

根据本发明的一些实施例，所述钢轨检测算法包括霍夫变换裂纹检测算法和模板比对算法，所述基于钢轨检测算法对所述钢轨预处理图像进行检测处理，得到钢轨表面裂纹特征和钢轨表面缺陷特征，包括：

对所述钢轨预处理图像进行等比例放大处理，得到第一钢轨图像；

基于所述霍夫变换裂纹检测算法对所述第一钢轨图像进行裂纹检测处理，得到所述钢轨表面裂纹特征；

基于所述模板比对算法将所述钢轨表面灰度图像和预设的钢轨表面标准图像进行比对处理，得到所述钢轨表面缺陷特征。

根据本发明的一些实施例，所述钢轨表面裂纹信息包括钢轨表面裂纹位置信息和钢轨表面裂纹数量信息，所述钢轨表面缺陷信息包括钢轨表面缺陷位置信息和钢轨表面缺陷数量信息，所述基于所述钢轨表面裂纹特征和所述钢轨表面缺陷特征得到对应于所述钢轨表面裂纹特征的钢轨表面裂纹信息和对应于所述钢轨表面缺陷特征的钢轨表面缺陷信息，包括：

对所述钢轨表面裂纹特征进行第一归纳整理，得到钢轨表面裂纹位置信息和钢轨表面裂纹数量信息；

对所述钢轨表面缺陷特征进行第二归纳整理，得到钢轨表面缺陷位置信息和钢轨表面缺陷数量信息。

根据本发明的一些实施例，所述钢轨表面裂纹信息还包括钢轨表面裂纹范围信息，所述对所述钢轨表面裂纹特征进行第一归纳整理，得到钢轨表面裂纹位置信息和钢轨表面裂纹数量信息后，还包括：

对所述钢轨表面裂纹位置信息和所述钢轨表面裂纹数量信息进行第一统计处理，得到所述钢轨表面裂纹范围信息。

根据本发明的一些实施例，所述钢轨表面缺陷信息还包括钢轨表面缺陷范围信息，所述对所述钢轨表面缺陷特征进行第二归纳整理，得到钢轨表面缺陷位置信息和钢轨表面缺陷数量信息后，还包括：

对所述钢轨表面缺陷位置信息和所述钢轨表面缺陷数量信息进行第二统计处理，得到所述钢轨表面缺陷范围信息。

根据本发明的一些实施例，基于所述钢轨表面裂纹信息和所述钢轨表面缺陷信息得到钢轨评估检测结果，包括：

基于所述钢轨表面裂纹位置信息、所述钢轨表面裂纹数量信息、所述钢轨表面裂纹范围信息、所述钢轨表面缺陷位置信息、所述钢轨表面缺陷数量信息和所述钢轨表面缺陷范围信息进行评估处理，得到所述钢轨评估检测结果。

根据本发明第二方面实施例的钢轨损伤评估检测装置，所述装置包括：

第一单元，用于获取钢轨表面图像；

第二单元，用于对所述钢轨表面图像进行预处理，得到钢轨预处理图像；

第三单元，用于基于钢轨检测算法对所述钢轨预处理图像进行检测处理，得到钢轨表面裂纹特征和钢轨表面缺陷特征；

第四单元，用于基于所述钢轨表面裂纹特征和所述钢轨表面缺陷特征得到对应于所述钢轨表面裂纹特征的钢轨表面裂纹信息和对应于所述钢轨表面缺陷特征的钢轨表面缺陷信息；

第五单元，用于基于所述钢轨表面裂纹信息和所述钢轨表面缺陷信息得到钢轨评估检测结果。

根据本发明第三方面实施例的电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的钢轨损伤评估检测方法。

根据本发明第四方面实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令被控制处理器执行时实现如上所述的钢轨损伤评估检测方法。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本公开技术方案的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开的技术方案，并不构成对本公开技术方案的限制。

图1是本发明一个实施例提供的钢轨损伤评估检测方法流程图；

图2是本发明一个实施例提供的钢轨损伤评估检测方法的图像预处理具体流程图；

图3是本发明一个实施例提供的钢轨损伤评估检测方法的得到钢轨表面缺陷特征具体流程图；

图4是本发明一个实施例提供的钢轨损伤评估检测方法的得到钢轨表面裂纹信息和钢轨表面缺陷信息具体流程图；

图5是本发明一个实施例提供的钢轨损伤评估检测方法的得到钢轨表面裂纹范围信息具体流程图；

图6是本发明一个实施例提供的钢轨损伤评估检测方法的得到钢轨表面缺陷范围信息具体流程图；

图7是本发明一个实施例提供的钢轨损伤评估检测方法的得到钢轨评估检测结果具体流程图；

图8是本发明一个实施例提供的钢轨损伤评估检测装置结构示意图；

图9是本发明一个实施例提供的设备构造示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

本发明提供了一种钢轨损伤评估检测方法、装置、电子设备及存储介质，所述方法包括：获取钢轨表面图像；对所述钢轨表面图像进行预处理，得到钢轨预处理图像；基于钢轨检测算法对所述钢轨预处理图像进行检测处理，得到钢轨表面裂纹特征和钢轨表面缺陷特征；基于所述钢轨表面裂纹特征和所述钢轨表面缺陷特征得到对应于所述钢轨表面裂纹特征的钢轨表面裂纹信息和对应于所述钢轨表面缺陷特征的钢轨表面缺陷信息；基于所述钢轨表面裂纹信息和所述钢轨表面缺陷信息得到钢轨评估检测结果。通过上述技术方案能够通过结合钢轨表面裂纹和钢轨表面缺陷综合评判钢轨的使用情况，并根据目前钢轨的使用情况给出合理的建议，使得钢轨检测更加全面准确。

下面结合附图，对本发明实施例作进一步阐述。

如图1所示，图1是本发明一个实施例提供的钢轨损伤评估检测方法的流程图。该方法包括但不限于有步骤S100、步骤S200、步骤S300、步骤S400和步骤S500：

步骤S100，获取钢轨表面图像；

步骤S200，对钢轨表面图像进行预处理，得到钢轨预处理图像；

步骤S300，基于钢轨检测算法对钢轨预处理图像进行检测处理，得到钢轨表面裂纹特征和钢轨表面缺陷特征；

步骤S400，基于钢轨表面裂纹特征和钢轨表面缺陷特征得到对应于钢轨表面裂纹特征的钢轨表面裂纹信息和对应于钢轨表面缺陷特征的钢轨表面缺陷信息；

步骤S500，基于钢轨表面裂纹信息和钢轨表面缺陷信息得到钢轨评估检测结果。

需要说明的是，首先获取钢轨表面图像，接着对钢轨表面图像进行预处理，得到钢轨预处理图像；接着基于钢轨检测算法对钢轨预处理图像进行检测处理，得到钢轨表面裂纹特征和钢轨表面缺陷特征；然后基于钢轨表面裂纹特征和钢轨表面缺陷特征得到对应于钢轨表面裂纹特征的钢轨表面裂纹信息和对应于钢轨表面缺陷特征的钢轨表面缺陷信息；最后基于钢轨表面裂纹信息和钢轨表面缺陷信息得到钢轨评估检测结果；通过上述技术方案，能够通过结合钢轨表面裂纹和钢轨表面缺陷综合评判钢轨的使用情况，并根据目前钢轨的使用情况给出合理的建议，使得钢轨检测更加全面准确。

值得注意的是，本发明实施例通过分析钢轨表面图像，捕捉到钢轨表面具有代表性的物理特性，包括钢轨表面的裂纹，表面缺陷已经裂纹和缺陷所在的位置以及它们的数量，通过综合分析上述信息，建立一种从图像角度出发的一种基于机器视觉的钢轨损伤评估检测系统，能够实时检测目标钢轨的运行情况，并根据检测得到的信息提出具有综合性的意见和建议。

另外，在一实施例中，如图2所示，上述步骤S200可以包括但不限于步骤S210、步骤S220、步骤S230和步骤S240。

步骤S210，对钢轨表面图像进行灰度转换，得到钢轨表面灰度图像；

步骤S220，基于几何变换算法对钢轨表面灰度图像进行矫正处理，得到钢轨表面修正图像；

步骤S230，基于高斯滤波算法对钢轨表面修正图像进行去噪处理，得到钢轨表面去噪图像；

步骤S240，基于频域法对钢轨表面去噪图像进行增强处理，得到钢轨预处理图像。

需要说明的是，首先对钢轨表面图像进行灰度转换，得到钢轨表面灰度图像；接着基于几何变换算法对钢轨表面灰度图像进行矫正处理，得到钢轨表面修正图像；然后基于高斯滤波算法对钢轨表面修正图像进行去噪处理，得到钢轨表面去噪图像；最后通过基于频域法对钢轨表面去噪图像进行增强处理，得到钢轨预处理图像。

值得注意的是，拍摄钢轨表面，采集钢轨表面的图像特征，在获取表面图像后对图像进行预处理，首先将目标图像转换为灰度图，然后通过几何变换算法和高斯滤波算法来矫正拍摄图像带来的几何误差以及去除掉在拍摄过程中出现的图像高斯噪声，最后利用频率域法进行图像增强获得处理过后的钢轨表面图像。

另外，在一实施例中，如图3所示，钢轨检测算法包括霍夫变换裂纹检测算法和模板比对算法，上述步骤S300可以包括但不限于步骤S310、步骤S320和步骤S330。

步骤S310，对钢轨预处理图像进行等比例放大处理，得到第一钢轨图像；

步骤S320，基于霍夫变换裂纹检测算法对第一钢轨图像进行裂纹检测处理，得到钢轨表面裂纹特征；

步骤S330，基于模板比对算法将钢轨表面灰度图像和预设的钢轨表面标准图像进行比对处理，得到钢轨表面缺陷特征。

需要说明的是，首先对钢轨预处理图像进行等比例放大处理，得到第一钢轨图像；接着基于霍夫变换裂纹检测算法对第一钢轨图像进行裂纹检测处理，得到钢轨表面裂纹特征；最后基于模板比对算法将钢轨表面灰度图像和预设的钢轨表面标准图像进行比对处理，得到钢轨表面缺陷特征。

值得注意的是，得到钢轨预处理图像后，首先采用霍夫变换裂纹检测算法检测钢轨表面图像的表面裂纹。为了降低图像中钢轨表面裂纹的曲率，进而得到更为完整的图像裂纹特征，本发明首先将得到的钢轨图像进行等比例放大，然后采用霍夫变换裂纹检测算法检测放大后的图像裂纹，进而得到较为完整的钢轨表面裂纹特征。霍夫变换检测线段裂纹原理：霍夫变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像给定曲线的检测问题，转化为检测参数空间的峰值问题。也就是把检测整体特性转化为检测局部特性。霍夫变换裂纹检测线段具有局限性，我们为了能够有更好的检测效果先放大图像，这样就可以化曲线为直线，增加检测的准确度。

需要说明的是，钢轨表面的缺陷一般由化学腐蚀和剥落造成，本发明实施例利用模板比对算法来检测钢轨表面的缺陷特征。将钢轨表面灰度图像和正常未使用的钢轨表面标准图像进行比对，进而得到钢轨表面缺陷产生的位置，以及缺陷的范围大小。采用模板比对算法可以最大程度上检测到完整的钢轨表面缺陷，可以较为精确地确定缺陷的范围以及缺陷产生的位置。

另外，在一实施例中，如图4所示，钢轨表面裂纹信息包括钢轨表面裂纹位置信息和钢轨表面裂纹数量信息，上述步骤S400可以包括但不限于步骤S410和步骤S420。

步骤S410，对钢轨表面裂纹特征进行第一归纳整理，得到钢轨表面裂纹位置信息和钢轨表面裂纹数量信息；

步骤S420，对钢轨表面缺陷特征进行第二归纳整理，得到钢轨表面缺陷位置信息和钢轨表面缺陷数量信息。

需要说明的是，首先对钢轨表面裂纹特征进行第一归纳整理，得到钢轨表面裂纹位置信息和钢轨表面裂纹数量信息；接着对钢轨表面缺陷特征进行第二归纳整理，得到钢轨表面缺陷位置信息和钢轨表面缺陷数量信息。

值得注意的是，对检测到的钢轨表面的图像特征进行归纳整理，具体包括检测到的钢轨裂纹和钢轨表面缺陷斑点的所在位置和数量。对检测到的裂纹和缺陷在检测图像上进行人工标记，明确钢轨表面每个位置的裂纹和缺陷的数量。

另外，在一实施例中，如图5所示，钢轨表面裂纹信息还包括钢轨表面裂纹范围信息，上述步骤S410之后还可以包括但不限于步骤S430。

步骤S430，对钢轨表面裂纹位置信息和钢轨表面裂纹数量信息进行第一统计处理，得到钢轨表面裂纹范围信息。

需要说明的是，对钢轨表面裂纹位置信息和钢轨表面裂纹数量信息进行第一统计处理，就能够得到钢轨表面裂纹范围信息。

另外，在一实施例中，如图6所示，钢轨表面缺陷信息还包括钢轨表面缺陷范围信息，上述步骤S420之后还可以包括但不限于步骤S440。

步骤S440，对钢轨表面缺陷位置信息和钢轨表面缺陷数量信息进行第二统计处理，得到钢轨表面缺陷范围信息。

需要说明的是，对钢轨表面缺陷位置信息和钢轨表面缺陷数量信息进行第二统计处理，得到钢轨表面缺陷范围信息。

可以理解的是，统计检测到的每一条的裂纹长度，和检测到的缺陷的范围。裂纹长度的统计通过裂纹长度占钢轨拍摄图像长度的比例确定，裂纹长度具体分为三种情况，具体表现为图像纵向裂纹和横向裂纹以及斜对角方向的裂纹。首先确定裂纹的方向，然后计算该方向的图像长度，最后计算该方向裂纹所占图像长度的比例，进而确定该条裂纹的尺寸。钢轨表面缺陷范围的检测通过模板匹配算法圈出缺陷范围即可。

另外，在一实施例中，如图7所示，上述步骤S500之后还可以包括但不限于步骤S510。

步骤S510，基于钢轨表面裂纹位置信息、钢轨表面裂纹数量信息、钢轨表面裂纹范围信息、钢轨表面缺陷位置信息、钢轨表面缺陷数量信息和钢轨表面缺陷范围信息进行评估处理，得到钢轨评估检测结果。

需要说明的是，基于钢轨表面裂纹位置信息、钢轨表面裂纹数量信息、钢轨表面裂纹范围信息、钢轨表面缺陷位置信息、钢轨表面缺陷数量信息和钢轨表面缺陷范围信息进行评估处理，得到钢轨评估检测结果。

值得注意的是，钢轨伤损是指钢轨在使用过程中，发生折断、裂纹及其它影响和限制钢轨使用性能的伤损。本发明采用裂纹和缺陷斑点相结合的检测方法来综合评估钢轨的损伤情况，通过评估算法给出合理的评估建议，进而减少因为钢轨损伤带来的经济损失。

示例性地，钢轨评估检测结果可以如下所示：

若某一位置的钢轨表面出现了不规则的贯通裂纹，无论该裂纹在钢轨的任何位置，则直接判断该钢轨需要更换，该钢轨有断裂的倾向；若某一位置的钢轨表面出现了横向的规则裂纹，应当立即向上级报告该处情况，横向的规则裂纹意味着钢轨可能因为地质变化或者螺栓松动等原因造成钢轨连接处发送松动，需要立即检查；若钢轨某一位置表面出现的斑点缺陷已经扩散贯通该段钢轨横截面，则直接判断该段钢轨有断裂的倾向，需要进行更换。若钢轨某一位置出现了不同方向的表面裂纹，且不同裂纹两两相交，则判断该出位置的裂纹出现了应力集中，该段钢轨具有断裂的倾向，需要进行更换；若钢轨某一位置出现了裂纹和表面缺陷相互结合的情况，且裂纹从缺陷区域衍生出来，呈现放射状，该段钢轨该区域出现腐蚀情况，需要对该区域的缺陷部位进行物理清除；若钢轨的某一位置出现了多个缺陷特征，且缺陷之间相互连接，则判断该段钢轨需要清除缺陷，然后进一步检测缺陷的影响范围，需要进行清理作业加第二次重新检测；若钢轨的裂纹出现在钢轨边缘位置，且该条裂纹已经在钢轨表面形成了闭环连接，则判断该处位置具有剥落的可能性，需要进一步确认剥落范围，如果超过规定的剥落范围，则判断需要更换；若钢轨表面出现不贯通且长度较短的裂纹，或者出现范围较小的缺陷，则判断该段钢轨出现轻度损伤，需要进行物理维护；若钢轨表面未出现裂纹以及斑点缺陷，表面无其他图像特征，则判断该段铁路运行情况良好，不需要进行维护。

值得注意的是，通过钢轨表面图像特征分析，利用图像处理技术得到更为清晰的钢轨表面图像，通过霍夫裂纹变换算法和模板比对算法来检测钢轨表面的裂纹和钢轨表面的缺陷。从而获得钢轨表面更加全面的物理信息，实现了从图像角度出发的一种基于机器视觉的钢轨损伤评估检测系统，能够对钢轨表面进行实时检测，同时根据检测得到的信息给出合理的建议。通过结合钢轨表面裂纹和钢轨表面缺陷综合评判钢轨的使用情况，并根据目前钢轨的使用情况给出合理的建议；采用图像放大算法，化曲为直，获得更为完整的钢轨表面裂纹；本发明不仅检测钢轨表面的裂纹和缺陷，还统计了钢轨裂纹的数量、缺陷的数量，以及裂纹和缺陷产生的位置，获得了更加完整的钢轨表面的物理特征。通过分析钢轨表面图像，捕捉到钢轨表面具有代表性的物理特性，包括钢轨表面的裂纹，表面缺陷已经裂纹和缺陷所在的位置以及它们的数量，通过综合分析上述信息，建立一种从图像角度出发的一种基于机器视觉的钢轨损伤评估检测系统，能够实时检测目标钢轨的运行情况，并根据检测得到的信息提出具有综合性的意见和建议。

此外，如图8所示，本发明的一个实施例还提供了一种钢轨损伤评估检测装置10，该装置包括：

第一单元100，用于获取钢轨表面图像；

第二单元200，用于对钢轨表面图像进行预处理，得到钢轨预处理图像；

第三单元300，用于基于钢轨检测算法对钢轨预处理图像进行检测处理，得到钢轨表面裂纹特征和钢轨表面缺陷特征；

第四单元400，用于基于钢轨表面裂纹特征和钢轨表面缺陷特征得到对应于钢轨表面裂纹特征的钢轨表面裂纹信息和对应于钢轨表面缺陷特征的钢轨表面缺陷信息；

第五单元500，用于基于钢轨表面裂纹信息和钢轨表面缺陷信息得到钢轨评估检测结果。

需要说明的是，由于本实施例中的钢轨损伤评估检测装置10与上述实施例中的钢轨损伤评估检测方法基于相同的发明构思，因此，方法实施例中的相应内容同样适用于本系统实施例，此处不再详述。

此外，如图9所示，本发明的一个实施例还提供了一种电子设备600，包括：存储器610、处理器620及存储在存储器610上并可在处理器620上运行的计算机程序，处理器620执行计算机程序时实现上述实施例中的钢轨损伤评估检测方法，例如，执行以上描述的图1中的方法步骤S100至步骤S500、图2中的方法步骤S210至步骤S240、图3中的方法步骤S310至S330、图4中的方法步骤S410至S420、图5中的方法步骤S430、图6中的方法步骤S440、图7中的方法步骤S510。

此外，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述设备实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的钢轨损伤评估检测方法，例如，执行以上描述的图1中的方法步骤S100至步骤S500、图2中的方法步骤S210至步骤S240、图3中的方法步骤S310至S330、图4中的方法步骤S410至S420、图5中的方法步骤S430、图6中的方法步骤S440、图7中的方法步骤S510。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。