高速鐵路扣件彈條裂縫檢測(cè)算法研究

北京信息科技大學(xué) 王嘉寧 湯景然 蔣祝鵬 李博洋

扣件彈條是高速鐵路的重要組成部分，一旦扣件彈條產(chǎn)生裂縫，將嚴(yán)重影響高速列車行駛的穩(wěn)定性。本文分別對(duì)基于相位一致性的高速鐵路扣件彈條裂縫檢測(cè)算法和基于卷積神經(jīng)網(wǎng)絡(luò)的高度鐵路扣件彈條裂縫檢測(cè)算法，進(jìn)行了詳細(xì)的分析和探究，進(jìn)而為提升高速鐵路扣件彈條的檢測(cè)效率和質(zhì)量提供參考建議。

隨著我國(guó)經(jīng)濟(jì)的高速發(fā)展，交通行業(yè)進(jìn)步的速度也變得越來越快，高速鐵路作為當(dāng)前人們出行的主要方式，確保其穩(wěn)定性和安全性是交通行業(yè)發(fā)展過程中的核心要素。高速列車在行駛的過程中需要與扣件彈條進(jìn)行相互作用，因此，對(duì)扣件彈條的裂縫進(jìn)行有效的檢測(cè)工作，是確保高速列車穩(wěn)定、安全運(yùn)行的保障。

1 相位一致性的高速鐵路扣件彈條裂縫檢測(cè)算法

1.1 對(duì)扣件彈條裂縫進(jìn)行定位

在相位一致的基礎(chǔ)上對(duì)高速鐵路扣件彈條的裂縫進(jìn)行檢測(cè)，首先要做的就是對(duì)扣件彈條的裂縫進(jìn)行定位，通常情況下，技術(shù)人員在進(jìn)行定位時(shí)都是采用相機(jī)來對(duì)裂縫進(jìn)行圖像采集，雖然可以使檢測(cè)范圍更小，檢測(cè)結(jié)果更加準(zhǔn)確，但由于相機(jī)的分辨率較低，因此對(duì)于扣件彈條裂縫的定位工作存在著一定的難度。

首先，在對(duì)扣件彈條裂縫進(jìn)行圖像采集之后，技術(shù)人員需要對(duì)圖像進(jìn)行一定的處理，使其分辨率更高，呈現(xiàn)更加清晰的圖像。此時(shí)，技術(shù)人員要先對(duì)圖像進(jìn)行灰度化處理，以便于人眼對(duì)圖像內(nèi)容進(jìn)行觀察；接著，技術(shù)人員還需要對(duì)圖像進(jìn)行去噪處理，由于在對(duì)扣件彈條進(jìn)行圖像采集時(shí)，周圍的環(huán)境和設(shè)備會(huì)對(duì)其產(chǎn)生干擾，使得最終的圖像中含有噪聲，雖然不會(huì)對(duì)裂縫的檢測(cè)工作造成過多的影響，但為了使圖像更加細(xì)節(jié)，依然要對(duì)其進(jìn)行去噪處理；然后，技術(shù)人員要對(duì)圖像的效果進(jìn)行增強(qiáng)主要是對(duì)細(xì)節(jié)、目標(biāo)、色度等方面的處理，防止圖片不清晰、對(duì)比不明顯，進(jìn)而影響后續(xù)檢測(cè)環(huán)節(jié)的識(shí)別。

其次，在對(duì)扣件彈條的圖像進(jìn)行處理之后，需要對(duì)其進(jìn)行進(jìn)一步的定位；同時(shí)，通過對(duì)圖像的觀察，可以發(fā)現(xiàn)扣件彈條產(chǎn)生裂縫的位置通常較為集中，因此可以將檢測(cè)范圍再次進(jìn)行縮小，不僅降低了檢測(cè)難度，還提升了檢測(cè)將的準(zhǔn)確性；此時(shí)，技術(shù)人員可以根據(jù)圓形螺母與扣件彈條裂縫范圍之間的相對(duì)位置，來對(duì)扣件彈條的裂縫進(jìn)行定位，進(jìn)而為后續(xù)的檢測(cè)工作奠定基礎(chǔ)。

1.2 對(duì)扣件彈條裂縫進(jìn)行提取

對(duì)扣件彈條裂縫的提取環(huán)節(jié)是對(duì)高速鐵路扣件彈條裂縫檢測(cè)工作中最為十分重要的部分，并且會(huì)對(duì)最終的檢測(cè)結(jié)果造成直接影響，因此，在進(jìn)行扣件彈條裂縫提取環(huán)節(jié)時(shí)，必須要確保整個(gè)流程規(guī)范、嚴(yán)謹(jǐn)。

首先，技術(shù)人員需要在相位一致性的基礎(chǔ)上來對(duì)高速鐵路扣件彈條的裂縫進(jìn)行檢測(cè)。相位一致的算法主要是根據(jù)人眼對(duì)信號(hào)的感知程度的基礎(chǔ)上衍生而來的，通常被用于對(duì)低對(duì)比度的扣件彈條的邊緣性檢測(cè)工作中?；诖?，在對(duì)扣件彈條進(jìn)行相位一致性的檢測(cè)時(shí)，需要對(duì)扣件彈條性能較高的頻率域進(jìn)行邊緣性檢測(cè)，并對(duì)其信號(hào)進(jìn)行處理，分解成為一系列不同的正弦信號(hào)。在對(duì)扣件彈條進(jìn)行相位一致性檢測(cè)時(shí)，主要涉及到方波信號(hào)以及三角波信號(hào)兩種，在檢測(cè)的過程中為了更好地信號(hào)變化進(jìn)行探究，可以根據(jù)信號(hào)的變化繪制傅里葉分解圖，進(jìn)而觀察到扣件彈條的方波信號(hào)在進(jìn)行跳變時(shí)，其相位度為0°；三角波信號(hào)在進(jìn)行跳變時(shí)，其相位度為90°和270°。

其次，在對(duì)高速鐵路扣件彈條裂縫進(jìn)行相位一致性檢測(cè)環(huán)節(jié)之后，還需要進(jìn)行閾值分割環(huán)節(jié)，來進(jìn)一步確保檢測(cè)結(jié)果的準(zhǔn)確性。這是由于對(duì)扣件彈條裂縫進(jìn)行相位一致性分析時(shí)，主要是對(duì)其進(jìn)行邊緣性檢測(cè)的方式，因此會(huì)受到一些來自扣件彈條表面和噪聲的影響?；诖?，在對(duì)扣件彈條進(jìn)行相位一致性的檢測(cè)之后，技術(shù)人員要先采取非極大值抑制的手段，來對(duì)其檢測(cè)結(jié)果進(jìn)行規(guī)范和完善，通過查找和保留檢測(cè)結(jié)果中的局部極大值，來使最終檢測(cè)結(jié)果更加準(zhǔn)確；接著，技術(shù)人員要選擇合適的閾值，來對(duì)扣件彈條的圖像進(jìn)行二值化分割，閾值是進(jìn)行分割工作中的核心要素，因此，技術(shù)人員必須要要對(duì)多個(gè)圖像進(jìn)行檢測(cè)，然后選擇一個(gè)初步的閾值來進(jìn)行分割，接著利用感受性曲線來進(jìn)一步確定最終的閾值；在進(jìn)行閾值分割環(huán)節(jié)之后技術(shù)人員還需要對(duì)扣件彈條二值化的圖像進(jìn)行去噪處理，以便于對(duì)扣件彈條的裂縫進(jìn)行修復(fù)。

最后，如果在閾值分割環(huán)節(jié)產(chǎn)生分割失敗或是圖像中噪聲干擾過大等問題，技術(shù)人員還需要進(jìn)行一些后處理工作。例如：在對(duì)扣件彈條進(jìn)行閾值分割時(shí)，最容易在圖像中形成噪聲，此時(shí)技術(shù)人員在進(jìn)行后處理工作時(shí)，可以采用初步剔除噪音的手段，來將與扣件彈條裂縫相違和的噪音進(jìn)行消除。值得注意的是，由于扣件彈條的形態(tài)有所不同，因此在對(duì)噪聲進(jìn)行后處理工作時(shí)，應(yīng)根據(jù)扣件彈條的實(shí)際形態(tài)來選擇合適的方式。

1.3 對(duì)扣件彈條裂縫進(jìn)行識(shí)別

在對(duì)高速鐵路扣件彈條進(jìn)行處理之后的二值化圖像，已經(jīng)可以將扣件彈條裂縫的細(xì)節(jié)進(jìn)行較為明顯的體現(xiàn)，但為了檢測(cè)結(jié)果更加準(zhǔn)確，還需要技術(shù)人員對(duì)扣件彈條的裂縫進(jìn)行進(jìn)一步的識(shí)別。

首先，要對(duì)扣件彈條裂縫的二值化圖像提取特征。通常情況下，扣件彈條的裂縫會(huì)呈現(xiàn)垂直或是傾斜的分布狀態(tài)，因此，對(duì)扣件彈條的圖像進(jìn)行特征提取時(shí)，可以采用投影點(diǎn)方式來進(jìn)行，并根據(jù)處理過后的二值化圖像繪制投影效果圖，可以發(fā)現(xiàn)扣件彈條的裂縫在進(jìn)行投影之后，會(huì)使其處于投影值的峰值，進(jìn)而增加扣件彈條裂縫的辨識(shí)度。其次，技術(shù)人員需要根據(jù)扣件彈條的二值化圖像，來對(duì)其裂縫圖像進(jìn)行分類，通常是采用SVM的方法來進(jìn)行，將有裂縫的圖像記為+1，無裂縫的圖像記為-1，進(jìn)而通過函數(shù)算法實(shí)現(xiàn)對(duì)二值化扣件彈條裂縫圖像的分類。

2 卷積神經(jīng)網(wǎng)絡(luò)的高度鐵路扣件彈條裂縫檢測(cè)算法

2.1 第一級(jí)裂縫檢測(cè)

（1）卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)在對(duì)高速鐵路扣件彈條裂縫進(jìn)行檢測(cè)后所得到的圖像塊，可以作為候選裂縫的圖像塊，進(jìn)而對(duì)扣件彈條的第一級(jí)裂縫進(jìn)行檢測(cè)。通常情況下，適應(yīng)于高速鐵路扣件彈條裂縫檢測(cè)工作的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括7個(gè)層次以輸入層——卷積層——池化層——卷積層——池化層——全連接層——輸出層的結(jié)構(gòu)進(jìn)行組建。在利用卷積神經(jīng)網(wǎng)絡(luò)來對(duì)扣件彈條裂縫進(jìn)行檢測(cè)時(shí)，輸入圖像一般為28像素規(guī)格的裂縫塊圖像，技術(shù)人員需要在更大的裂縫像素區(qū)域圖像內(nèi)進(jìn)行采集。同時(shí)，對(duì)于卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來說，在對(duì)扣件彈條裂縫進(jìn)行檢測(cè)時(shí)，可以將扣件的彈條分為有裂縫和無裂縫兩種形態(tài)，進(jìn)而在卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中設(shè)置兩個(gè)不同的節(jié)點(diǎn)。除此之外，為了更好地保證卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的規(guī)范性，技術(shù)人員需要對(duì)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)率、迭代次數(shù)、激活函數(shù)等數(shù)據(jù)進(jìn)行規(guī)范、合理的設(shè)置。

（2）卷積神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)構(gòu)建

卷積神經(jīng)網(wǎng)絡(luò)主要是對(duì)高速鐵路扣件彈條裂縫的圖像來進(jìn)行深度處理的一種模型，能夠有效避免人工檢測(cè)所造成的片面性誤差，根據(jù)扣件彈條裂縫圖像的數(shù)據(jù)，來進(jìn)行自主的學(xué)習(xí)并且從中提取出有效特征?；诖?，只有在卷積神經(jīng)網(wǎng)絡(luò)中構(gòu)建穩(wěn)定、有效的數(shù)據(jù)集，才能更好地對(duì)高速鐵路扣件彈條的裂縫進(jìn)行更加準(zhǔn)確的檢測(cè)；同時(shí)，數(shù)據(jù)集的數(shù)量是影響卷積神經(jīng)網(wǎng)絡(luò)運(yùn)行效率的重要因素，因此技術(shù)人員要充分保證卷積神經(jīng)網(wǎng)絡(luò)模型中數(shù)據(jù)集的合理性。例如：在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上反對(duì)扣件彈條的裂縫進(jìn)行檢測(cè)，可以通過滑動(dòng)窗口的形式來查找裂縫塊，裂縫塊的數(shù)據(jù)集規(guī)格越大，越能夠激發(fā)卷積神經(jīng)運(yùn)行的能動(dòng)性，進(jìn)而提升對(duì)扣件彈條裂縫的檢測(cè)效率；同時(shí)，在實(shí)際的檢測(cè)過程中，要確保卷積神經(jīng)網(wǎng)絡(luò)依據(jù)有裂縫的扣件彈條和無裂縫的扣件彈條的兩個(gè)不同節(jié)點(diǎn)，來進(jìn)行準(zhǔn)確的檢測(cè)工作。

2.2 第二級(jí)裂縫檢測(cè)

（1）提取特征

通過在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，來對(duì)高速鐵路扣件彈條的裂縫進(jìn)行檢測(cè)，為了更好地白點(diǎn)噪聲對(duì)于檢測(cè)結(jié)果的影響，所以需要技術(shù)人員自身卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行第二級(jí)裂縫檢測(cè)環(huán)節(jié)。通常情況下，對(duì)扣件彈條裂縫進(jìn)行第二級(jí)檢測(cè)，會(huì)采用SVM的方法來對(duì)裂縫進(jìn)行識(shí)別；同時(shí)，技術(shù)人員在進(jìn)行第二級(jí)裂縫檢測(cè)工作時(shí)，還需要參考第一級(jí)裂縫檢測(cè)的結(jié)果，來使第二級(jí)裂縫的檢測(cè)環(huán)節(jié)更加科學(xué)、合理。在利用SVM進(jìn)行扣件彈條裂縫識(shí)別時(shí)，技術(shù)人員要選取含有白點(diǎn)噪聲的扣件彈條裂縫圖片，并從中提取28像素的裂縫塊數(shù)據(jù)集來檢測(cè)工作的基礎(chǔ)。這樣一來，就可以通過對(duì)扣件彈條裂縫圖片進(jìn)行進(jìn)一步的白點(diǎn)去噪工作，來不斷提升高速鐵路扣件彈條裂縫檢測(cè)結(jié)果的準(zhǔn)確性。

（2）分類識(shí)別

在進(jìn)行第二級(jí)裂縫分類識(shí)別之前，還需要根據(jù)檢測(cè)結(jié)果來進(jìn)行特征提取。由于第一級(jí)裂縫檢測(cè)環(huán)節(jié)很容易受到白點(diǎn)噪聲的干擾，因此技術(shù)人員要根據(jù)白點(diǎn)噪聲與扣件彈條裂縫之間的差異，在圖像中提取特征，進(jìn)而對(duì)第二級(jí)裂縫進(jìn)行分類識(shí)別。在進(jìn)行分類識(shí)別的過程中，技術(shù)人員要將每一張扣件彈條的圖像中，所有的候選裂縫塊通過SVM的手段進(jìn)行分類識(shí)別，來使技術(shù)人員清楚、準(zhǔn)確地掌握白點(diǎn)噪聲和裂縫塊的構(gòu)成，以便于更好地進(jìn)行后續(xù)的檢測(cè)工作。這樣一來，基于卷積神經(jīng)網(wǎng)絡(luò)來對(duì)高速鐵路扣件彈條裂縫進(jìn)行檢測(cè)的結(jié)果就更加具有準(zhǔn)確性和完整性了；同時(shí)，通過進(jìn)行第一級(jí)裂縫檢測(cè)和第二級(jí)裂縫檢測(cè)環(huán)節(jié)，還能夠降低圖像中的干擾因素，進(jìn)而提升裂縫檢測(cè)工作效率。

結(jié)論：綜上所述，扣件彈條作為高速鐵路運(yùn)行中的重要組成部分，必須要利用先進(jìn)的檢測(cè)設(shè)備，來對(duì)扣件彈條的裂縫進(jìn)行及時(shí)、有效的檢測(cè)工作?；谙辔灰恢滦缘母咚勹F路扣件彈條裂縫檢測(cè)算法和基于卷積神經(jīng)網(wǎng)絡(luò)的高度鐵路扣件彈條裂縫檢測(cè)算法是目前較為有效的檢測(cè)方式，可以更好地提升對(duì)扣件彈條檢測(cè)的準(zhǔn)確性。