CN112172863A - 一种铁路扣件缺陷形态快速检测车 - Google Patents
一种铁路扣件缺陷形态快速检测车 Download PDFInfo
- Publication number
- CN112172863A CN112172863A CN202011166283.9A CN202011166283A CN112172863A CN 112172863 A CN112172863 A CN 112172863A CN 202011166283 A CN202011166283 A CN 202011166283A CN 112172863 A CN112172863 A CN 112172863A
- Authority
- CN
- China
- Prior art keywords
- vehicle body
- camera
- fastener
- defect form
- railway
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 230000007547 defect Effects 0.000 title claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 21
- 239000003381 stabilizer Substances 0.000 claims abstract description 12
- 238000013508 migration Methods 0.000 claims abstract description 8
- 230000005012 migration Effects 0.000 claims abstract description 8
- 230000001502 supplementing effect Effects 0.000 claims abstract description 8
- 239000013589 supplement Substances 0.000 claims description 9
- 238000012031 short term test Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 5
- 230000001960 triggered effect Effects 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Textile Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种铁路扣件缺陷形态快速检测车，分为硬件和内置模型算法两部分，硬件包括车体，车体顶部安装的太阳能电池板,车体内部的计算机传输控制平台,车体前部左右两侧分别设有两根固定杆，杆上装有补光器、三轴稳定器和摄像机,车体后方设有蓄电池组；内置算法为在自制铁路扣件缺陷形态专有数据集上训练成熟的DenseNet201深度迁移学习模型；使用摄像机对铁路沿线扣件进行拍摄，当采集的扣件图片被内置算法识别为问题扣件时则触发报警，并自动记录、上传其地理位置信息，完成检测，本发明设计合理、方便实用，可大大提高检测效率。
Description
技术领域
本发明涉及铁路扣件缺陷形态检测领域，具体是一种结合计算机视觉与深度学习等现代化技术进行检测的铁路扣件缺陷形态快速检测车。
背景技术
铁路扣件是铁路***中极为重要的连接零部件，为列车的安全行驶提供了巨大的保障，因此，对铁路扣件的检测具有重大的意义。
目前现有的检测手段大多是采用人工和检测车进行检测，人工检测具有主观性强、费时耗力且不能保障检测工人的生命安全等缺点，而现有的通过检测车进行检测的方法大多都是基于传统计算机视觉的检测方法，其整个检测过程要经过数据采集、数据图像预处理、扣件定位、人为设计特征、特征提取、分类器分类等步骤，该方法主要存在检测成本高、检测过程繁复且泛化性能差等问题。
发明内容
本发明的目的在于提供一种铁路扣件缺陷形态快速检测车，通过采用基于深度学习的计算机视觉方法结合其他现代化的设备和技术解决目前铁路扣件检测领域所存在的问题，大大提高检测效率并且可有效保障检测人员的生命安全。
本发明为解决上述问题且达到相应的检测效果，采用的技术方案如下：一种铁路扣件缺陷形态快速检测车，包括硬件和内置模型算法两部分，硬件包括车体，车体上部设有太阳能电池板，将收集来的太阳能转化为电能储存在蓄电池组内，车体内部安装计算机传输控制平台、电动把手、人体功能学座椅、脚踏板及对应配套传动装置，车体前部设置两个黄光LED照明灯，左右两侧分别设有两个固定杆，每根固定杆上靠近车体一端装有一个补光器，固定杆远离车体一端设有一个三轴稳定器，在三轴稳定器上又增设一台摄像机，摄像机与计算机传输控制平台通过导线相接，计算机传输控制平台包括控制按钮、显示屏以及内侧安装的钥匙启动端口；内置模型算法为在自制的铁路扣件缺陷形态专有数据集上训练成熟的DenseNet201深度迁移学习模型算法。
所述摄像机为高速摄像机，高速摄像机环绕的镜头捕捉范围内设置七个广角摄像头。
所述计算机传输控制平台内部嵌入已在自制铁路扣件缺陷形态数据集上训练好的DenseNet201深度迁移学习模型，其可以对包括扣件正常、扣件弹条偏移、扣件弹条丢失和扣件丢失在内的四种不同缺陷形态进行分类检测。
所述计算机传输控制平台内部包含GPS模块、GIS地理信息模块以及数据远程传输接收模块。
所述蓄电池组，除了可以使用车体顶部的太阳能电池板对其进行充电还可以使用家用电动车充电器对其进行充电。
所述检测车车体的动力***为电动和人工混动两种，相互配合使用。
所述补光器设计为外开口成喇叭状的黄光LED灯补光器。
所述三轴稳定器在其上面搭载摄像机，使二者连为一体。
所述摄像机与补光器二者开口方向斜向扣件区域，且二者开口方向成相互对角的形式。
本发明的有益效果在于：使用高速摄像机对铁路扣件进行拍摄采集其图片信息，检测人员可直接在计算机传输控制平台的显示器观察到待检铁路扣件的基本形态信息，当拍摄采集到的扣件图片被内置DenseNet201深度迁移学习模型算法识别为问题扣件则触发报警，并自动记录、上传其地理位置信息，完成检测，无需检测人员沿着铁路线步行挨个对扣件进行检测，大大简化了操作流程提高了检测效率，且整个检测车结构设计合理，操作简单。
附图说明
附图1是本发明所述一种铁路扣件缺陷形态快速检测车的主视结构示意图。
附图2是本发明所述一种铁路扣件缺陷形态快速检测车的左视结构示意图。
附图3是本发明所述一种铁路扣件缺陷形态快速检测车的俯视结构示意图。
附图4是本发明所述一种铁路扣件缺陷形态快速检测车高速摄像机结构示意图。
附图标记说明如下。
1、车体；2、太阳能电池板；3、蓄电池组；4、计算机传输控制平台；5、电动把手；6、人体功能学座椅；7、脚踏板；8、传动装置；9、黄光LED照明灯；10、固定杆；11、补光器；12、三轴稳定器；13、摄像机；14、控制按钮；15、显示屏；16、钥匙启动端口；17、广角摄像头。
具体实施方式
下面结合附图和实施例对本发明作进一步阐述，以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明所述一种铁路扣件缺陷形态快速检测车，包括主体结构车体1,在车体1顶部安装太阳能电池板2，通过导线与车体后部的蓄电池组3相连接，将获得的太阳能转化为电能储存在蓄电池组3中，此外，除了可以利用太阳能电池板2对蓄电池组3进行充电还可以使用家用电动车充电器对其进行充电，避免了因阴雨天气无法获取电能的弊端，为适应夜间工况，车体1前部设置两个黄光LED照明灯9，左右两侧分别设有两根固定杆10，每根固定杆10上靠近车体1一端装有一个补光器11确保摄像机拍摄质量，固定杆10远离车体1一端设有一个三轴稳定器12防止检测车在行驶过程中因抖动而影响图像拍摄质量，在三轴稳定器12上又增设一台摄像机13，摄像机13通过导线连接计算机传输控制平台4，在计算机传输控制平台4上又设置控制按钮14以控制本发明各个部件，此外还设有显示屏15以及安装在内侧的钥匙启动端口16,所述摄像机13拍摄到的铁路扣件图片通过导线输送至计算机传输控制平台4，并经过内部嵌入的DenseNet201深度迁移学习模型算法以识别，将识别结果显示在显示屏15上，该模型算法是已在自制铁路扣件缺陷形态专有数据集上训练成熟的，可以准确识别包括扣件正常、扣件弹条偏移、扣件弹条丢失和扣件丢失在内的四种不同缺陷形态，如若一旦发现问题扣件，则触发报警，并自动记录、上传其地理位置信息，完成检测，整个检测流程，检测人员无需沿着铁路线步行挨个对扣件进行检测，极大保证了检测人员的生命安全，大大简化了操作流程，提高了检测效率，且整个检测车结构设计合理，操作简单。
本发明进一步特征在于：为了能快速、准确得检测铁路扣件缺陷形态，所述摄像机13为高速摄像机，在其镜头捕捉范围内设置七个广角摄像头17，每个摄像头17分设不同的角度、位置，可以实现对每个扣件进行多角度、全方位的拍摄，确保检测结果的全面性和准确性。
本发明进一步的技术特征在于：所述DenseNet201算法是在自制铁路扣件缺陷形态数据集上已经训练成熟的深度迁移学习模型，其可以对包括扣件正常、扣件弹条偏移、扣件弹条丢失和扣件丢失在内的四种不同缺陷形态进行分类检测，如若一旦发现问题扣件，则触发报警，并将检测结果显示在显示屏中供检测人员参考。
本发明进一步的技术特征在于：所述计算机传输控制平台内部包含GPS模块、GIS地理信息模块以及数据远程接收传输模块，发现问题扣件触发报警后，GPS模块和GIS地理信息模块将自动对问题扣件进行定位并记录其相关地理位置信息，最后经由数据远程传输接收模块发送至总站进行统一集中管理。
本发明进一步的技术特征在于：所述蓄电池组，除了可以使用车体1顶部的太阳能电池板2对其进行充电还可以使用家用电动车充电器对其进行充电，解决了因阴雨天气无法对检测车进行充电的问题。
本发明进一步的技术特征在于：所述检测车车体1的动力***为电动和人工混动两种，检测人员坐在设置的人体功能学座椅6上通过转动电动把手5进行电力驱动，此外还可以使用设置的脚踏板7通过人体脚踏的方式带动传动装置8进行人工驱动，最大程度上考虑了外出工作的实际工况，避免因电力问题而无法工作情况的发生。
本发明进一步的技术特征在于：所述补光器11设计为外开口成喇叭状的黄光LED灯补光器，喇叭状的开口可以将补光器发出的光线更好地聚集在扣件范围内，且黄光的穿透能力较强更能适应复杂的实际工况。
本发明进一步的技术特征在于：为了使摄像机13能够拍摄到较为清晰的数据图片，所述摄像机13固定在一个三轴稳定器12上，使二者连为一体，使用时，可以防止因钢轨接头等其他轨道不平顺地段因车体1抖动而无法采集到清晰的数据图片的情况发生。
本发明进一步的技术特征在于：为了确保采集数据图片的质量，所述摄像机13与补光器11二者开口方向都斜向扣件区域，且二者开口方向成相互对角的形式，使得补光器11的补光范围正好与摄像机13的拍摄采集范围重合，都集中在扣件区域，从而保证所得数据图片的质量。
Claims (7)
1.一种铁路扣件缺陷形态快速检测车，其特征在于：包括硬件和内置模型算法两部分，硬件包括车体（1），车体（1）上部设有太阳能电池板（2），将收集来的太阳能转化为电能储存在蓄电池组（3）内,车体（1）内部安装计算机传输控制平台（4）、电动把手（5）、人体功能学座椅（6）、脚踏板（7）及对应配套传动装置（8）,车体前部设置两个黄光LED照明灯（9），左右两侧分别设有两个固定杆（10），每根固定杆（10）上靠近车体（1）一端装有一个补光器（11），固定杆（10）远离车体（1）一端设有一个三轴稳定器（12），在三轴稳定器（12）上又增设一台摄像机（13），摄像机（13）与计算机传输控制平台（4）通过导线相接，计算机传输控制平台（4）包括控制按钮（14）、显示屏（15）以及内侧安装的钥匙启动端口（16）；内置模型算法为在自制的铁路扣件缺陷形态专有数据集上训练成熟的DenseNet201深度迁移学习模型算法。
2.根据权利要求1所述的一种铁路扣件缺陷形态快速检测车，其特征在于：所述摄像机（13）为高速摄像机，高速摄像机环绕的镜头捕捉范围内设置七个广角摄像头（17）。
3.根据权利要求1所述的一种铁路扣件缺陷形态快速检测车，其特征在于：所述计算机传输控制平台（4）内部嵌入已在自制铁路扣件缺陷形态数据集上训练成熟的DenseNet201深度迁移学习模型，其可以对包括扣件正常、扣件弹条偏移、扣件弹条丢失和扣件丢失在内的四种不同缺陷形态进行分类检测。
4.根据权利要求1所述的一种铁路扣件缺陷形态快速检测车，其特征在于：所述计算机传输控制平台（4）内部包含GPS模块、GIS地理信息模块以及数据远程传输接收模块。
5.根据权利要求1所述的一种铁路扣件缺陷形态快速检测车，其特征在于：所述补光器（11）设计为外开口成喇叭状的黄光LED灯补光器。
6.根据权利要求1所述的一种铁路扣件缺陷形态快速检测车，其特征在于：所述三轴稳定器（12）在其上面搭载摄像机（13），使二者连为一体。
7.根据权利要求1所述的一种铁路扣件缺陷形态快速检测车，其特征在于：所述摄像机（13）与补光器（11）二者开口方向斜向扣件区域，且二者开口方向成相互对角的形式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011166283.9A CN112172863A (zh) | 2020-10-27 | 2020-10-27 | 一种铁路扣件缺陷形态快速检测车 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011166283.9A CN112172863A (zh) | 2020-10-27 | 2020-10-27 | 一种铁路扣件缺陷形态快速检测车 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112172863A true CN112172863A (zh) | 2021-01-05 |
Family
ID=73922310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011166283.9A Pending CN112172863A (zh) | 2020-10-27 | 2020-10-27 | 一种铁路扣件缺陷形态快速检测车 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112172863A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114713410A (zh) * | 2022-04-20 | 2022-07-08 | 湖北瑞立德科技有限公司 | 一种可检测铁轨螺栓扣件的涂油机及其工作方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10332323A (ja) * | 1997-05-31 | 1998-12-18 | Tokimec Inc | 光学的位置検出装置および追従撮像装置 |
| JP2010203157A (ja) * | 2009-03-04 | 2010-09-16 | Hitachi High-Technologies Corp | リニア浮上式高速鉄道ガイドウェイ走行路検査装置及び検査方法。 |
| CN102221553A (zh) * | 2011-03-25 | 2011-10-19 | 上海交通大学 | 基于结构光的铁路扣件高速探测***与方法 |
| CN202011397U (zh) * | 2011-04-15 | 2011-10-19 | 岳志军 | 多功能连续检测式轨道检测车 |
| US9049433B1 (en) * | 2012-01-06 | 2015-06-02 | John H. Prince | High-speed railroad inspection using coordinated 3D cameras |
| US20160039436A1 (en) * | 2002-06-04 | 2016-02-11 | General Electric Company | Aerial camera system and method for determining size parameters of vehicle systems |
| CN208270445U (zh) * | 2018-06-25 | 2018-12-21 | 南昌工程学院 | 基于三维测量的轨道部件表面缺陷检测装置 |
-
2020
- 2020-10-27 CN CN202011166283.9A patent/CN112172863A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10332323A (ja) * | 1997-05-31 | 1998-12-18 | Tokimec Inc | 光学的位置検出装置および追従撮像装置 |
| US20160039436A1 (en) * | 2002-06-04 | 2016-02-11 | General Electric Company | Aerial camera system and method for determining size parameters of vehicle systems |
| JP2010203157A (ja) * | 2009-03-04 | 2010-09-16 | Hitachi High-Technologies Corp | リニア浮上式高速鉄道ガイドウェイ走行路検査装置及び検査方法。 |
| CN102221553A (zh) * | 2011-03-25 | 2011-10-19 | 上海交通大学 | 基于结构光的铁路扣件高速探测***与方法 |
| CN202011397U (zh) * | 2011-04-15 | 2011-10-19 | 岳志军 | 多功能连续检测式轨道检测车 |
| US9049433B1 (en) * | 2012-01-06 | 2015-06-02 | John H. Prince | High-speed railroad inspection using coordinated 3D cameras |
| CN208270445U (zh) * | 2018-06-25 | 2018-12-21 | 南昌工程学院 | 基于三维测量的轨道部件表面缺陷检测装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114713410A (zh) * | 2022-04-20 | 2022-07-08 | 湖北瑞立德科技有限公司 | 一种可检测铁轨螺栓扣件的涂油机及其工作方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN207896741U (zh) | 一种变电站智能巡检*** | |
| CN110122073A (zh) | 一种基于机器视觉的草莓采摘机器人 | |
| CN109708702A (zh) | 一种基于bim技术的铁路隧道病害检测***及使用方法 | |
| CN109412079A (zh) | 一种输电线无人机巡检*** | |
| CN112172863A (zh) | 一种铁路扣件缺陷形态快速检测车 | |
| CN105382837A (zh) | 变电站无盲区智能巡检机器人的监测方法及其监测机构 | |
| CN209514873U (zh) | 一种智慧交通诱导***用信息采集装置 | |
| CN209182255U (zh) | 一种桥梁表面裂缝检测装置 | |
| CN205438578U (zh) | 能提高拍照清晰度的变电站无盲区智能巡检机器人 | |
| CN209687547U (zh) | 用于检测铁路隧道病害的勘察装置 | |
| CN112045690A (zh) | 用于轨道交通的智能巡检机器人 | |
| CN109902647A (zh) | 一种便携式在线鸟巢智能识别方法及*** | |
| CN112986252A (zh) | 动车组底板巡检*** | |
| CN202433311U (zh) | 一种路面破损检测装置 | |
| CN114617077A (zh) | 一种牛舍气象环境自动巡测装置 | |
| CN115484437A (zh) | 一种佩戴式旁站记录仪和***及其旁站监理方法 | |
| CN110238810B (zh) | 一种基于深度学习的图像识别技术改进的智能机器人 | |
| CN209938953U (zh) | 一种桥墩检测无人机装置 | |
| CN209623764U (zh) | 一种履带式无线控制巡检小车 | |
| CN208818788U (zh) | 一种接触网巡检监测及分析*** | |
| CN209373795U (zh) | 一种红外预警电子警察 | |
| CN114500780A (zh) | 一种基于记录仪的信息采集方法及记录仪 | |
| CN113532547A (zh) | 一种基于双目摄影测量及组合定位的道路巡检装置 | |
| CN206294953U (zh) | 一种应用于水电站的智能巡检头盔 | |
| CN215497974U (zh) | 一种用于防火墙盖板的巡检仪 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210105 |
|
| WD01 | Invention patent application deemed withdrawn after publication |