一种列车的车轮踏面缺陷检测方法及其系统与流程

1.本发明涉及轨道车辆检测技术领域，具体涉及一种列车的车轮踏面缺陷检测方法及其系统。


背景技术：

2.列车车轮是关系到列车运行安全的关键部分，它把车辆的载荷传给钢轨，并在钢轨上转动来完成列车的运行，是列车运行的最终受力部件。轮对踏面是列车车轮与钢轨顶面接触的部分，轮对踏面的完好性是行车安全性的重要因素，在运行过程中，车轮踏面会出现磨耗超限、踏面擦伤、剥离、磕伤等轮辋表面缺陷等质量问题，这些问题可能会直接导致脱轨事故的发生，影响动车组运行安全。鉴于此，需要对列车车轮踏面进行日常动态检测，保障列车运行安全。
3.传统的国内外针对车轮踏面缺陷检测方法，仍采用传统图像方案，对滤波后的车轮图像,首先利用缺陷区域与非缺陷区域之间的灰度差对缺陷区域进行粗提取,然后利用缺陷形状规则、边缘特征明显等特点,采用分割方案将缺陷最小外接矩形提取出来。最后建立正、负缺陷样本集，采用svm分类器对提取出来的缺陷图像进行分类。但是，传统的缺陷检测方法依赖图像拍摄质量，当背景信息极其丰富的情况下，人为设定的方案容易受到背景信息的干扰。造成误报警多、检测失真情况。
4.综上所述，现有的车轮踏面缺陷检测方法存在检测结果可靠性低的问题。


技术实现要素：

5.有鉴于此，本发明提供一种列车的车轮踏面缺陷检测方法及其系统，通过改进车轮踏面缺陷检测方法及检测数据的处理方法，解决了传统的车轮踏面缺陷检测方法存在的检测结果可靠性低的问题。
6.为解决以上问题，本发明的技术方案为采用一种列车的车轮踏面缺陷检测方法，包括：采集车轮踏面的二维图像数据；构建用于提取缺陷区域的神经网络模型；将所述二维图像数据输入所述神经网络模型；所述神经网络模型将所述二维图像数据分割为多类图像区域；基于多类所述图像区域提取多个缺陷区域信息并生成检测报告。
7.可选地，构建用于提取缺陷区域的神经网络模型，包括：构建初始化网络模型，其中，网络模型包括语义分割模型和目标检测模型；获取包含人工标记的缺陷特征区域的车轮踏面样本图像构成的训练数据集和测试数据集；基于所述训练数据集和所述测试数据集训练并测试所述网络模型。
8.可选地，所述神经网络模型将所述二维图像数据分割为多类图像区域，包括：所述语义分割模型基于所述二维图像数据进行下采样并生成多尺度的特征图；所述语义分割模型通过在高分辨率特征图主网络逐渐并行加入低分辨率特征图子网络，能够融合多个所述特征图并生成融合后的多类所述图像区域。
9.可选地，基于多类所述图像区域提取多个缺陷区域信息并生成检测报告，包括：所
述目标检测模型基于所述多类所述图像区域输出多个缺陷检测框数据构成的所述缺陷区域信息，其中，所述缺陷检测框数据至少包括缺陷类型、置信度、检测框左上角坐标、检测框长度和检测框宽度。
10.可选地，所述语义分割模型为segnet分割模型。
11.相应地，本发明提供，一种列车的车轮踏面缺陷检测系统，包括：数据采集单元，用于采集车轮踏面的二维图像数据；数据处理单元，用于构建用于提取缺陷区域的神经网络模型，所述神经网络模型将所述二维图像数据分割为多类图像区域，并基于多类所述图像区域提取多个缺陷区域信息并生成检测报告。
12.可选地，所述数据采集单元包括：光源组件，用于提供摄像单元所需的光照条件；所述摄像单元，用于采集所述二维图像数据。
13.可选地，所述车轮踏面缺陷检测系统还包括：数据存储单元，用于存储二维图像数据和样本图像。
14.本发明的首要改进之处为提供的列车的车轮踏面缺陷检测方法，通过语义分割网络针对频繁出现缺陷的区域进行精准的划分，降低图像背景干扰后，能够通过目标检测模型准确的提取缺陷区域信息及缺陷类型，提高缺陷检测准确率且降低了检测结果的漏报率和误报率，解决了传统的车轮踏面缺陷检测方法存在的检测结果可靠性低的问题。
附图说明
15.图1是本发明的列车的车轮踏面缺陷检测方法的简化流程图；
16.图2是本发明的列车的车轮踏面缺陷检测系统的简化单元连接图。
具体实施方式
17.为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步的详细说明。
18.如图1所示，一种列车的车轮踏面缺陷检测方法，包括：采集车轮踏面的二维图像数据；构建用于提取缺陷区域的神经网络模型；将所述二维图像数据输入所述神经网络模型；所述神经网络模型将所述二维图像数据分割为多类图像区域；基于多类所述图像区域提取多个缺陷区域信息并生成检测报告。
19.进一步的，构建用于提取缺陷区域的神经网络模型，包括：构建初始化网络模型，其中，网络模型包括语义分割模型和目标检测模型；获取包含人工标记的缺陷特征区域的车轮踏面样本图像构成的训练数据集和测试数据集；基于所述训练数据集和所述测试数据集训练并测试所述网络模型。其中，所述语义分割模型可以由segnet分割模型构成；目标检测模型可以选择残差模型，并采用resnet101的分类网络，使其能够解决如梯度消散，梯度爆炸等问题，并通过增加网络层数提高对特征的提取能力。
20.更进一步的，目标检测模型还可以使用free anchor形式的目标检测网络。
21.进一步的，所述神经网络模型将所述二维图像数据分割为多类图像区域，包括：所述语义分割模型基于所述二维图像数据进行下采样并生成多尺度的特征图；所述语义分割模型通过在高分辨率特征图主网络逐渐并行加入低分辨率特征图子网络，能够融合多个所述特征图并生成融合后的多类所述图像区域。从而将车轮分成踏面、轮毂等区域，即可实现
将区域按照标签的形式分割出多种类别的图像区域。
22.更进一步的，基于多类所述图像区域提取多个缺陷区域信息并生成检测报告，包括：所述目标检测模型基于所述多类所述图像区域输出多个缺陷检测框数据构成的所述缺陷区域信息，其中，所述缺陷检测框数据至少包括缺陷类型、置信度、检测框左上角坐标、检测框长度和检测框宽度。
23.本发明通过语义分割网络针对频繁出现缺陷的区域进行精准的划分，降低图像背景干扰后，能够通过目标检测模型准确的提取缺陷区域信息及缺陷类型，提高缺陷检测准确率且降低了检测结果的漏报率和误报率，解决了传统的车轮踏面缺陷检测方法存在的检测结果可靠性低的问题。
24.相应的，本发明提供，一种列车的车轮踏面缺陷检测系统，其特征在于，包括：数据采集单元，用于采集车轮踏面的二维图像数据；数据处理单元，用于构建用于提取缺陷区域的神经网络模型，所述神经网络模型将所述二维图像数据分割为多类图像区域，并基于多类所述图像区域提取多个缺陷区域信息并生成检测报告。其中，所述车轮踏面缺陷检测系统还包括：数据存储单元，用于存储二维图像数据和样本图像；所述数据采集单元包括：光源组件，用于提供摄像单元所需的光照条件；所述摄像单元，用于采集所述二维图像数据。具体的，摄像单元设置于列车车轮两侧。
25.以上对本发明实施例所提供的列车的车轮踏面缺陷检测方法及其系统进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
26.专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
27.结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。