轨道状态巡检系统

■ 韩强 任盛伟 戴鹏 王登阳 谭松

随着既有线提速和高速铁路的陆续建设，动车组高速运行对铁路各项基础设施养护维修提出了更高要求。轨道作为重要的铁路基础设施，其运用状态对行车安全具有直接和至关重要的影响。因此，必须加强对其动态检测和状态监控，及时指导养护维修。轨道状态巡检系统基于非接触测量理念，应用视觉测量、图像处理、模式识别等技术，对轨道图像信息进行采集、分析和综合处理，其高效、智能的特点能满足高速铁路巡检的需求。

1 系统功能、组成和原理

1.1 系统功能及技术指标

系统运用CCD扫描成像、图像处理、数据管理、模式识别、自动控制和同步触发等技术，对钢轨表面及两侧状态的图像数据进行记录和分析。主要技术指标包括：（1）钢轨表面擦伤检测精度：横向2 mm，纵向3 mm；（2）钢轨扣件：扣件缺失识别率80%以上。

1.2 系统组成与原理

图1为轨道状态巡检系统组成。

轨道状态巡检系统主要由视觉子系统、图像采集存储子系统和图像处理子系统组成。图像存储方式（存储图像的大文件设计）是图像采集存储子系统和图像处理子系统相互联系的关键环节，图像识别算法是图像处理子系统的技术核心。

视觉子系统安装于车下车体两侧钢轨正上方位置，每侧采用LEVD光源提供高亮度的漫反射光学环境，应用3个高速线阵CCD进行扫描成像，运用自动控制和同步触发技术，将图像数据通过光纤传输到图像采集存储子系统。

图像采集存储子系统应用高速缓存和多线程控制技术，实现大流量图像数据高速存储，并运用自主研发的大文件存储技术进行图像数据管理。

图像处理子系统主要应用图像处理和模式识别技术，开发适用于铁路环境的钢轨表面擦伤检测和扣件缺失检测的识别算法，通过大量数据训练学习完成工程化实现。

1.3 软件结构

系统软件结构设计通过大文件数据模块和数据管理机制，将图像信息采集、自动识别、人工复核确认、报表编辑打印等功能流程按逻辑关系组合成软件系统。系统软件结构见图2，操作界面见图3。

系统通过设计大容量数据存储机制将图像数据以大文件形式存储到计算机硬盘。存储前对图像进行压缩，将单次采集任务存储为自定义数据文件。数据文件同时支持多任务读写访问，并能保证连续稳定存储数百公里检测里程的数据文件。

图1 轨道状态巡检系统组成

轨道巡检要求能在一个检测周期内完整存储轨道图像数据。由于图像数据容量巨大，利用单体大文件存储技术将图像数据压缩后存储到一个单体大文件内，并通过引入缓存机制建立同时支持读写的数据访问机制。

结合图像处理、模式识别等技术，根据现场图像特点，开发适用于轨道巡检的图像数据浏览和编辑软件，为用户提供对图像数据进行标识、检索的功能，并具有对钢轨表面擦伤、扣件缺失等缺陷进行自动识别的功能。

1.4 典型缺陷识别

轨道巡检系统具有对典型轨道缺陷进行自动识别的功能。在模式识别算法的设计上借鉴了“机器视觉”在人脸识别、指纹识别及医学图像分析等领域的成功经验，设计了机器学习模型和模式识别算法，对轨道图像中钢轨表面擦伤、扣件缺失（折断、缺失）等相关典型特征进行自动识别。机器识别功能整体架构见图4。

模式识别功能模块在整套系统中担负着对轨道典型缺陷进行辅助诊断的功能，目前采用软件识别为主、人工确认为辅的应用模式。

2 系统现场试验和应用

轨道状态巡检系统在郑西高速铁路、京广线上下行（郑州南—武汉）、武广高速铁路上下行进行5 000 km线路试验。

2011年9月24日，系统在京沪高速铁路及先导段进行巡检。系统设备在钢轨探伤车最高80 km/h速度下，全天候不同天气情况下工作状态正常，采集到的图像清晰完整，典型数据见图5—图8。

图2 系统软件结构

图3 系统软件界面

图4 机器识别功能整体架构

图5 郑西下行（KM623+816）焊筋（辅助探伤排除干扰）

图6 武广（KM2237+822）扣件缺失

图7 武广（KM2235+462）扣件缺失

图8 京沪高速铁路巡检结果

3 结论

系统运用CCD扫描成像、图像处理、数据管理、模式识别、自动控制和同步触发等技术，实现了钢轨表面擦伤检测和扣件缺失检测的功能。系统已在铁道部检测中心钢轨探伤车上安装运用，试验验证和现场应用表明，系统图像采集稳定、清晰，多相机对钢轨正面和两侧扫描，采集到的图像能清晰看到焊筋和钢轨表面状态，辅助超声探伤系统提高系统识别率。识别软件具有自动识别扣件丢失、错位和钢轨表面擦伤等功能。

[1]王庆有. CCD应用技术[M]. 天津：天津大学出版社，2000

[2]冯其波. 光学测量技术与应用[M]. 北京：北京交通大学出版社，2008

[3]荆仁杰. 计算机图像处理[M]. 杭州：浙江大学出版社，1990

[4]章毓晋. 图像处理和分析[M]. 北京：清华大学出版社，1999

[5]徐建华. 图像处理与分析[M]. 北京：科学出版社，1992