摘要
随着我国高速铁路的运营和发展,列车运行对轨道提出了更高的安全和技术性能要求。在铁路钢轨短波波磨和车轮高阶多边形磨耗等高频激励作用下,钢轨表面更容易产生各种接触疲劳缺陷。然而迄今为止,国内铁路部门尚采用人工肉眼观察、重点路段检查、经验检测的方式进行轨道伤损的日常巡检,这种检测方式效率低、检测精度不满足要求、安全隐患大。为提高可视性轨道结构病害检测的精度和效率,文章基于机器视觉技术,结合图像深度学习智能识别方法,研制了一种轨道快速智能巡检系统。在15 km/h速度下可对钢轨表面缺陷、轨道板缺陷、扣件异常、异物侵限等进行智能识别。经验证测试以及现场试用,该系统的各项可视性结构病害检出率均超过90%,误报率小于10%。该巡检系统可运用于高速铁路和城市轨道交通轨道的日常巡检,对减小人工巡检漏检率,实现工务部门检测技术“智能化”,提高病害检测精度和效率,保障列车行车安全具有重要的意义。
