高速鐵路軌道板圖像智能比對技術

張萼輝

（中國鐵路上海局集團有限公司 科學技術研究所，上海 200071）

1 研究背景

隨著我國高速鐵路里程的日益增長，線路巡檢工作量持續增加，對線路精細化管理的要求也日益提高，因此高精度自動化巡檢工作正在全面鋪開。中國鐵路上海局集團有限公司應用軌道巡檢車采集高鐵線路原始圖像［1］，經切割和重新拼接后形成軌道板圖像［2］。根據軌道車運行控制設備（GYK）的里程數據，每塊軌道板圖像被賦予唯一的里程編號。采集的軌道板圖像分左、右兩側，分別進行處理。

目前，軌道板圖像的后處理有2種模式。一是人工查看。因數據量巨大，且外觀變化點非常稀疏，在海量數據中尋找變化點困難，看圖人員也會因視覺和心理疲勞出現漏檢，精度不高。二是采用深度學習算法進行目標檢測。王喜春等［3］提出一種基于圖像識別的軌道缺陷檢測系統及方法，該方法需要大量的樣本訓練，才能得到較好效果。但由于我國高鐵運營維護質量很高，缺陷樣本極少，因此很難訓練出理想模型。而且，因軌道板故障缺陷種類繁多，深度學習必須有明確的類別才能找到故障目標，每個類別收集到足夠的正負樣本極難實現。因此，僅采用目標檢測方法，很難實現軌道板的故障檢測與外觀狀態持續跟蹤。賈強［4］提出一種基于圖像邊緣檢測的軌道傷損識別算法，將邊緣信息檢測及特征提取相結合，實現軌道傷損判別。由于軌道板上還存在引接線、導接線、卡扣、應答器等設備，以及水漬、污漬等紋理，這些干擾不可避免會增加誤檢，難以達到理想的檢測效果。……