车载式地铁轨道缺陷巡检系统关键技术研究

2020-01-13胡怡东曾明

科学导报 2020年2期

胡怡东曾明

摘要：车载式地铁轨道缺陷巡检系统是一套功能完善、性能优良的基于计算机视觉、深度学习的巡检系统，集成了扣件检测、轨枕检测、异物检测、钢轨检测、感应板检测五个检测模块以及缺陷检测位置定位等，结合Tiny YOLOv3初次检测识别和改进的YOLOv3二次检测识别的目标检测算法，能够精确定位缺陷位置，实时根据所采集的图像对轨道缺陷进行智能识别、判断和分类，最后将轨道缺陷信息数据通过客户端软件存储及上传至电脑端实时显示，相关维修人员能够及时发现故障隐患并进行检修，从而提高了轨道线路巡检效率和准确率，保障了地铁列车的运行安全。

关键词：计算机视觉;深度学习;检测模块;精确定位;智能识别

一、引言

地铁在日常城市生活中承担着重要的交通职能，它方便了人们的交通出行，缩短了区域间的通勤时间，为社会经济建设提供高效、有力的交通保障。然而高速、快捷的背后是轨道安全所面临的巨大压力与挑战，如高频率的列车发送让轨道处于高负荷状态，进而引发轨道状态异常，威胁列车行驶安全。针对轨道安全问题，人们提出了一些检测方法，总结起来有扣件缺陷检测、钢轨裂纹检测、轨枕破裂掉块检测、感应板移位检测、异物检测等。

二、系统构成

本文所提出的车载式地铁轨道缺陷巡检系统主要由安装在电客车底部的检测梁、安装在车轮轴头上的速度传感器、安装在车内客室座位下的检测机柜、部署在云服务器上的检测数据处理服务器程序和安装在终端监控计算机上的客户端程序等组成。

三、关键技术

车载式地铁轨道缺陷巡检系统识别判断流程主要包括数据采集、缺陷检测、缺陷识别以及数据存储与上传等。其中较为关键的技术包括：1.轨道缺陷检测，其包括了扣件检测、轨枕检测、异物检测、钢轨检测、感应板检测五个检测模块以及缺陷检测位置定位;2.在结合基于计算机视觉、深度学习算法，以及Tiny YOLOv3初次检测识别的基础上，改进的YOLOv3二次检测识别的目标检测算法实现毫秒级识别，识别效果较好;3.数据存储及上传。

四、系统验证核实

车载式地铁轨道缺陷巡检系统在广州地铁八号线安装以来，每天能检出弹条缺失、弹条松动、螺栓缺失、道床异物缺陷等轨道缺陷，且检测快、识别准，能够及时地向相应维修工班提供故障信息和故障位置，从而能及时地处理故障，保障地铁的安全运营。

五、结论

本文提出的车载式地铁轨道缺陷巡检系统集成了扣件检测、轨枕检测、异物检测、钢轨检测、感应板检测五个检测模块以及缺陷检测位置定位，利用计算机视觉、深度学习，结合目标检测算法实时采集轨道道床空间全断面高清晰图像、精确检测列车运行位置以及智能识别轨道缺陷，并将检测数据通过客户端软件存储及上传到电脑實时显示，方便工作人员监视，及时处理故障。以广州地铁8号线为例，验证了本文所提出的车载式地铁轨道缺陷巡检系统具有检测快、识别准，能够及时地向相应维修工班提供故障信息和故障位置，保障了地铁运营安全，节约了地铁运营成本。