CN112330584A - 基于神经网络的轨道螺栓检测装置 - Google Patents
基于神经网络的轨道螺栓检测装置 Download PDFInfo
- Publication number
- CN112330584A CN112330584A CN201910652712.4A CN201910652712A CN112330584A CN 112330584 A CN112330584 A CN 112330584A CN 201910652712 A CN201910652712 A CN 201910652712A CN 112330584 A CN112330584 A CN 112330584A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- track bolt
- track
- bolt
- 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 50
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 16
- 230000007547 defect Effects 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000012552 review Methods 0.000 claims description 4
- 238000012550 audit Methods 0.000 claims description 2
- 238000013500 data storage Methods 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 241001669679 Eleotris Species 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01B—PERMANENT WAY; PERMANENT-WAY TOOLS; MACHINES FOR MAKING RAILWAYS OF ALL KINDS
- E01B29/00—Laying, rebuilding, or taking-up tracks; Tools or machines therefor
- E01B29/24—Fixing or removing detachable fastening means or accessories thereof; Pre-assembling track components by detachable fastening means
- E01B29/28—Fixing or removing detachable fastening means or accessories thereof; Pre-assembling track components by detachable fastening means the fastening means being of screw-and-nut type; Apparatus therefor, adapted to additionally drilling holes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Machines For Laying And Maintaining Railways (AREA)
Abstract
本发明提供了一种基于基于神经网络的轨道螺栓检测装置,包括图像采集模块、图像预处理模块、图像识别模块、存储模块、通讯模块、供电模块等。该装置在检测轨道螺栓时,图像采集模块采集到轨道螺栓的实时图像;图像预处理模块对图像进行预处理并发送目标区域图像到图像识别模块;图像识别模块基于神经网络对图像进行识别,确定缺陷类型与位置,将检测结果发送到通讯模块和存储模块。该检测装置可以快速地完成轨道螺栓的检测工作,实时通知工作人员,提高轨道螺栓的检测速度和精度,增强轨道交通***的安全性。
Description
技术领域
本发明涉及轨道检测领域,具体涉及一种基于神经网络的轨道螺栓检测装置。
背景技术
轨道交通是一种重要的交通方式,是指运营车辆在特定轨道上行驶的一类运输***,包括普速铁路、客运专线、高速铁路以及城市轨道交通等。在部分轨道交通***中,轨道是通过螺帽与锚固在轨枕上的螺栓进行紧固,螺栓与螺帽的完整及牢固程度的对轨道和车辆的安全有着非常重要的影响,因此需要对轨道螺栓(包括螺帽)进行日常检测和维护。目前轨道交通部门主要采用两种方法对轨道螺栓进行检测:1、大量的巡道工人沿线目视巡查;2、在巡道车上安装视频采集***,采集到视频图像,检测员工通过目视采集到的视频来检测轨道螺栓。这两种方式均存在效率低、劳动强度大的缺点,且无法及时精确测量轨道螺栓的状态。作为保障轨道交通***安全的重要手段,轨道螺栓检测的自动化与智能化是一个亟待解决的问题。
发明内容
为了克服现有技术中的不足,本发明提供了一种基于神经网络的轨道螺栓检测装置。
一种基于基于神经网络的轨道螺栓检测装置,包括图像采集模块、图像预处理模块、图像识别模块、存储模块、通讯模块、供电模块等。在检测轨道螺栓时,图像采集模块采集到轨道螺栓的实时图像,发送到图像预处理模块; 图像预处理模块对图像进行预处理并发送目标区域图像到图像识别模块;图像识别模块基于神经网络对图像进行识别,获得轨道螺栓的特征参数,确定缺陷类型与位置,将这些检测结果发送到通讯模块和存储模块;通讯模块将检测结果实时发送给现场工作人员及远程监控人员;存储模块将检测结果储存下来供相关人员查阅和审核。
进一步地,图像采集模块包括高速数码摄像头、补光灯、全球定位模块和车辆位置定位模块,图像采集模块对轨道图像进行采集,同时记录采集图像时的时刻信息以及该检测装置所处位置信息,将这些信息和轨道图像同步发送至图像预处理模块。
进一步地,图像预处理模块对得到的轨道图像进行降噪、去除背景等预处理,然后依据轨道螺栓区域的几何图像特征提取相应的目标区域,将目标区域图像和时间位置信息发送至图像识别模块,为后续的轨道螺栓缺陷检测提供数据。
进一步地,图像识别模块采用已经训练好的神经网络对目标区域图像进行处理,标示出轨道螺栓各几何特征点,并依据正常紧固轨道螺栓的几何尺寸关系来判断当前轨道螺栓是否处于安全紧固状态,若当前轨道螺栓存在缺陷,再根据得到的特征点几何关系确定缺陷的位置和大小,同时将缺陷进行分类,确定当前轨道螺栓的缺陷类型,最后将这些信息以及缺陷的时间位置信息发送至通讯模块和存储模块。
进一步地,通讯模块将检测结果实时发送给现场工作人员及远程监控人员,为轨道维护部门提供详细的轨道螺栓缺陷和位置信息,以便工作人员及时对轨道螺栓进行维护。
进一步地,存储模块将检测结果储存下来,保存为轨道检测档案,供工作人员和监管人员后续进行查阅和审核。
进一步地,供电模块连接列车电源或专用检测车电源,为其他模块供电。
进一步地,该轨道螺栓的检测装置可以安装于机车底部、客车车厢底部或专用检测车底部,随车运行并对经过的轨道螺栓进行实时检测。
本发明的优点是:该检测装置能够快速地完成轨道螺栓的检测工作,精确地、非接触地对轨道螺栓进行测量,自动化地发现轨道螺栓缺陷、记录相应位置,实时通知相关工作人员,并将所有信息完整存档;能够提高轨道螺栓的检测速度和精度,降低巡道工人的劳动强度,提高劳动效率,节约人力成本,增强轨道交通***的安全性。
附图说明
图1是本发明基于神经网络的轨道螺栓检测装置的主要功能结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
实施例:一种基于基于神经网络的轨道螺栓检测装置,其主要功能结构及连接关系如图1所示,包括图像采集模块、图像预处理模块、图像识别模块、存储模块、通讯模块、供电模块等。在检测轨道螺栓时,图像采集模块采集到轨道螺栓的实时图像,发送到图像预处理模块; 图像预处理模块对图像进行预处理并发送目标区域图像到图像识别模块;图像识别模块基于神经网络对图像进行识别,获得轨道螺栓的特征参数,确定缺陷类型与位置,将这些检测结果发送到通讯模块和存储模块;通讯模块将检测结果实时发送给现场工作人员及远程监控人员;存储模块将检测结果储存下来供相关人员查阅和审核。
进一步地,图像采集模块包括高速数码摄像头、补光灯、全球定位模块、车辆位置定位模块,其中高速数码摄像头采用SUA231GC-T型工业摄像头,分辨率为1920×1200,最短曝光时间20微秒,安装焦距为16mm的高清摄像镜头,可以保证采集到的图像在螺栓处超过5像素/毫米;补光灯采用四枚42MIL白光LED补光灯,保证螺栓处的亮度足以采集到清晰的图像;全球定位模块采用GPS北斗双模定位模块,可以实时输出定位信息;车辆位置定位模块采用激光轨枕计数的方式得到车辆在轨道上的准确位置。图像采集模块依据车辆位置定位模块获得车辆速度,计算出图像采集时间间隔,控制高速数码摄像头对轨道图像进行采集,保证采集到的图像有重叠部分、无遗漏部分;同时记录采集图像时的时刻信息以及该检测装置所处位置信息,将这些信息和采集到的轨道图像同步发送至图像预处理模块。
进一步地,图像预处理模块采用双边滤波方法对得到的轨道图像进行降噪预处理,使用差分方法进行去除背景预处理,然后采用一个预先训练好螺栓图片探测器,依据轨道螺栓区域的几何图像特征提取包含轨道螺栓的目标区域,将目标区域图像和时间位置信息发送至图像识别模块,为后续的轨道螺栓缺陷检测数据。
进一步地,图像识别模块采用已经训练好的卷积神经网络对目标区域图像进行处理,标示出轨道螺栓各几何特征点,并依据正常紧固轨道螺栓的几何尺寸关系来判断当前轨道螺栓是否处于安全紧固状态,若当前轨道螺栓存在缺陷,再根据得到的特征点几何关系确定缺陷的位置和大小,同时将缺陷进行分类,确定当前轨道螺栓的缺陷类型,最后将这些信息以及缺陷的时间位置信息发送至通讯模块和存储模块。
进一步地,通讯模块通过移动数据和无线网络的方式连接网络,通过网络将检测结果实时发送给现场工作人员及远程监控人员,为轨道维护部门提供详细的轨道螺栓缺陷和位置信息,以便工作人员及时对轨道螺栓进行维护。
进一步地,存储模块将检测结果储存进TF数据存储卡中,检测完毕后将TF数据存储卡取出,***电脑上的读卡器中,依据日期和轨道位置保存为相应的轨道检测档案,供工作人员和监管人员后续进行查阅和审核。
进一步地,供电模块连接专用检测车电源,为其他模块供电。
进一步地,该轨道螺栓的检测装置安装于专用检测车底部专用防水壳体内,图像采集模块朝向轨道螺栓的方向,随车运行并对经过的轨道螺栓进行实时检测。
以上所描述的仅为本发明一种优选实施例,并不用以限制本发明。相反,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于基于神经网络的轨道螺栓检测装置,包括图像采集模块、图像预处理模块、存储模块、通讯模块、供电模块等,其特征在于,该装置包含图像识别模块,基于神经网络对图像进行处理,标示出轨道螺栓各几何特征点,并依据正常紧固轨道螺栓的几何尺寸关系来判断当前轨道螺栓是否处于安全紧固状态,若当前轨道螺栓存在缺陷,再根据得到的特征点几何关系确定缺陷的位置和大小,同时将缺陷进行分类,确定当前轨道螺栓的缺陷类型。
2.如权利要求1所述的基于基于神经网络的轨道螺栓检测装置,其特征在于,该装置通讯模块将检测结果实时发送给现场工作人员及远程监控人员,为轨道维护部门提供详细的轨道螺栓缺陷和位置信息。
3.如权利要求1所述的基于基于神经网络的轨道螺栓检测装置,其特征在于,该装置存储模块将检测结果储存下来,保存为轨道检测档案,供工作人员和监管人员后续进行查阅和审核。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910652712.4A CN112330584A (zh) | 2019-07-19 | 2019-07-19 | 基于神经网络的轨道螺栓检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910652712.4A CN112330584A (zh) | 2019-07-19 | 2019-07-19 | 基于神经网络的轨道螺栓检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330584A true CN112330584A (zh) | 2021-02-05 |
Family
ID=74319413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910652712.4A Pending CN112330584A (zh) | 2019-07-19 | 2019-07-19 | 基于神经网络的轨道螺栓检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330584A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI830674B (zh) * | 2023-06-21 | 2024-01-21 | 欣錦智能科技股份有限公司 | 螺絲檢測設備 |
-
2019
- 2019-07-19 CN CN201910652712.4A patent/CN112330584A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI830674B (zh) * | 2023-06-21 | 2024-01-21 | 欣錦智能科技股份有限公司 | 螺絲檢測設備 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11620743B2 (en) | Systems and methods for determining defects in physical objects | |
CN202793389U (zh) | 一种高铁接触网在线巡检装置 | |
US20070291985A1 (en) | Intelligent railyard monitoring system | |
CN105115605A (zh) | 轨道列车红外检测***及检测方法 | |
KR102017870B1 (ko) | 실시간 선로 결함 검측 시스템 | |
CN104410820A (zh) | 一种车载轨旁设备箱盒及线缆外观检测*** | |
CN210402469U (zh) | 一种车载式智能轨道巡检*** | |
CN214039881U (zh) | 地铁车辆360°图像检测*** | |
CN113371028A (zh) | 一种电客车载轨道智能巡检***及方法 | |
CN110524553B (zh) | 一种铁路货检机器人智能图像分析*** | |
CN113176600A (zh) | 一种融合北斗、rfid、视频识别方式的港口车辆定位装置及方法 | |
CN112330584A (zh) | 基于神经网络的轨道螺栓检测装置 | |
CN111554005A (zh) | 铁路货运列车智能巡检方法 | |
CN114067278A (zh) | 一种铁路货运货检***及其方法 | |
CN210478710U (zh) | 一种铁路侵限监测*** | |
CN104477207B (zh) | 一种车载轨腰连接件外观检测*** | |
CN205157057U (zh) | 轨道列车红外检测*** | |
CN112241946A (zh) | 基于神经网络的轨道扣件检测装置 | |
CN104374375B (zh) | 一种车载应答器外观检测*** | |
CN105844848A (zh) | 一种地下管线的安全管理方法及装置 | |
CA2980808C (en) | Stationary automated signaling equipment inspection system using lidar | |
CN115985106A (zh) | 一种基于图像识别和激光点云技术的货车违规监控方法 | |
CN210327805U (zh) | 铁路轨旁机电信号设备安防监控*** | |
Nichoha et al. | Development of modern methods and directions of rapid diagnostics of railway tracks defects by television methods | |
CN217112129U (zh) | 一种电客车载轨道图像采集装置及智能巡检*** |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210205 |