CN110991667A - 铁路轨道设施异常识别方法及系统 - Google Patents
铁路轨道设施异常识别方法及系统 Download PDFInfo
- Publication number
- CN110991667A CN110991667A CN201911186674.4A CN201911186674A CN110991667A CN 110991667 A CN110991667 A CN 110991667A CN 201911186674 A CN201911186674 A CN 201911186674A CN 110991667 A CN110991667 A CN 110991667A
- Authority
- CN
- China
- Prior art keywords
- railway track
- track facility
- image
- facility
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000010191 image analysis Methods 0.000 claims abstract description 33
- 230000005856 abnormality Effects 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 13
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G06Q50/40—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Abstract
本发明提供一种铁路轨道设施异常识别方法及系统。该铁路轨道设施异常识别方法包括：采集铁路轨道设施图像；判断铁路轨道设施图像的类型；根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小；根据铁路轨道设施图像获取轨道设施边界；根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像；根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上；上传标注后的铁路轨道设施图像。本发明可以实时准确识别铁路轨道设施异常，提高了识别效率，从而快速有效指导铁路现场轨道设施的维护。
Description
技术领域
本发明涉及铁路轨道技术领域，具体地，涉及一种铁路轨道设施异常识别方法及系统。
背景技术
随着我国高速铁路的不断建设，铁路基础设施巡检的工作量愈加繁重，轨道设施状态的好坏直接影响列车的行车安全与运输效率。基础轨道设施长期受到风雨侵袭，高密度列车运行等情况的影响，可能会出现钢轨擦伤，扣件脱落、弹条移位，塞钉异常，应答器破损等损伤，这些异常影响着高速列车的运行安全，因此对其高效的检测对高铁行车安全至关重要。现有的巡检系统无法做到实时识别铁路轨道设施异常，且识别效率较低，无法快速地指导现场维护。
发明内容
本发明实施例的主要目的在于提供一种铁路轨道设施异常识别方法及系统，以实时准确识别铁路轨道设施异常，提高了识别效率，从而快速有效指导铁路现场轨道设施的维护。
为了实现上述目的，本发明实施例提供一种铁路轨道设施异常识别方法，包括：
采集铁路轨道设施图像；
判断铁路轨道设施图像的类型；
根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小；
根据铁路轨道设施图像获取轨道设施边界；
根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像；
根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上；
上传标注后的铁路轨道设施图像。
本发明实施例还提供一种铁路轨道设施异常识别系统，包括：
图像采集单元，用于采集铁路轨道设施图像；
第一判断单元，用于判断铁路轨道设施图像的类型；
分析单元，用于根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小；
轨道设施边界单元，用于根据铁路轨道设施图像获取轨道设施边界；
裁剪单元，用于根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像；
标注单元，用于根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上；
上传单元，用于上传标注后的铁路轨道设施图像。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现所述的铁路轨道设施异常识别方法的步骤。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现所述的铁路轨道设施异常识别方法的步骤。
本发明实施例的铁路轨道设施异常识别方法及系统先根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小，根据铁路轨道设施图像获取轨道设施边界，再根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像，然后根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上，最后上传标注后的铁路轨道设施图像，可以实时准确识别铁路轨道设施异常，提高了识别效率，从而快速有效指导铁路现场轨道设施的维护。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明第一实施例中铁路轨道设施异常识别方法的流程图；
图2是本发明第二实施例中铁路轨道设施异常识别方法的流程图；
图3是本发明实施例中铁路轨道设施异常识别系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
鉴于现有技术无法做到实时识别铁路轨道设施异常，且识别的准确率和效率都不高，本发明实施例提供一种铁路轨道设施异常识别方法，以实时准确识别铁路轨道设施异常，提高了识别效率，从而快速有效指导铁路现场轨道设施的维护。以下结合附图对本发明进行详细说明。
图1是本发明第一实施例中铁路轨道设施异常识别方法的流程图。如图1所示，铁路轨道设施异常识别方法包括：
S101：采集铁路轨道设施图像。
执行S101之前，还包括：根据来自速度传感器的速度信号生成脉冲信号；根据脉冲信号采集铁路轨道设施图像。
其中，可以通过红外激光光源或者可见光光源，搭配高速线阵扫描传感器和高速视觉相机采集铁路轨道设施图像，实现在动态、夜视条件下对远距离目标进行高清成像，避免阳光干扰，提升图像成像质量。在列车高速运行中，红外激光光源(如激光器)投射激光到铁路轨道表面；基于窄带滤光技术，高速视觉相机接收固定波长的激光，捕获铁路轨道设施图像。
本发明可以在350km/h的高速下进行铁路轨道设施图像的实时采集存储。例如，列车在350km/h的速度下运行时，1mm的图像分辨率对应的相机采集频率大约为100Khz。可以采用高速串行通信接口将采集到的铁路轨道设施图像传输至用于判断铁路轨道设施图像的类型的FPGA，传输数据带宽不低于500Mbyte；数据传输量可以满足分辨率为4K的相机，以及采集频率为100Khz的传输带宽要求。
S102：判断铁路轨道设施图像的类型。
其中，类型可以包括有砟轨道的钢轨、扣件、塞钉或应答器；无砟轨道的钢轨、扣件、塞钉或应答器，以及道岔区域的钢轨、扣件、塞钉或应答器等。
执行S102之前，还可以对铁路轨道设施图像进行归集处理，即缓存铁路轨道设施图像。
S103：根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小。
其中，红外激光光源还会测量其与铁路轨道的距离，该距离可以用来调整图像分析模型参数，以及用于采集铁路轨道设施图像的图像采集单元的焦距、曝光和增益。
S104：根据铁路轨道设施图像获取轨道设施边界。
S105：根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像。
裁剪铁路轨道设施图像可以减小铁路轨道设施图像的大小，缩短识别铁路轨道设施异常、上传铁路轨道设施图像的时间，提高图像的传输速度，达到实时检测和传输。
其中，铁路轨道设施异常包括钢轨擦伤、扣件脱落、弹条移位，塞钉异常，应答器破损等损伤。
S106：根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上。
一实施例中，还包括：压缩裁剪后的铁路轨道设施图像；存储压缩后的铁路轨道设施图像和标注后的铁路轨道设施图像。
具体实施时，可以采用JPEG压缩算法完成图像的实时压缩，并通过设计相关通信协议完成图像的本地存储与图像的高速传输功能。图像可以存储在板载存储器上，存储介质可为存储卡、固态硬盘等多种存储器。
一实施例中，还包括：获取统一的时间信息和空间信息，其可以与地面监测设备进行数据同步。将铁路轨道设施图像对应的时间信息和空间信息与该铁路轨道设施图像绑定后，压缩并存储绑定后的铁路轨道设施图像。
S107：上传标注后的铁路轨道设施图像。
标注后的铁路轨道设施图像可以通过无线传输被上传至远程数据处理系统，远程数据处理系统可在车内安装亦可在地面安装，并支持手持移动设备，可以为后期的基础设施维护提供参考。
图1所示的铁路轨道设施异常识别方法的执行主体可以为嵌入式的图像采集处理平台。由图1所示的流程可知，本发明实施例的铁路轨道设施异常识别方法先根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小，根据铁路轨道设施图像获取轨道设施边界，再根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像，然后根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上，最后上传标注后的铁路轨道设施图像，可以实时准确识别铁路轨道设施异常，提高了识别效率，从而快速有效指导铁路现场轨道设施的维护。
图2是本发明第二实施例中铁路轨道设施异常识别方法的流程图。如图2所示，执行S105之后，铁路轨道设施异常识别方法还包括：
S201：根据铁路轨道设施图像的类型确定图像亮度阈值范围。
S202：判断铁路轨道设施图像的亮度是否位于图像亮度阈值范围中。
S203：当铁路轨道设施图像的亮度不在图像亮度阈值范围中时，根据图像亮度阈值范围调整铁路轨道设施图像的亮度。
本发明的具体流程如下：
1、根据来自速度传感器的速度信号生成脉冲信号。
2、根据脉冲信号采集铁路轨道设施图像。
3、判断铁路轨道设施图像的类型。
4、根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小；根据铁路轨道设施图像的类型确定图像亮度阈值范围。
5、根据铁路轨道设施图像获取轨道设施边界；根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像。
6、判断铁路轨道设施图像的亮度是否位于图像亮度阈值范围中；当铁路轨道设施图像的亮度不在图像亮度阈值范围中时，根据图像亮度阈值范围调整铁路轨道设施图像的亮度。
7、获取统一的时间信息和空间信息，将铁路轨道设施图像对应的时间信息和空间信息与铁路轨道设施图像绑定。
8、压缩并存储绑定后的铁路轨道设施图像。
9、根据图像分析模型参数识别绑定后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上。
10、存储标注后的铁路轨道设施图像。
11、通过无线传输上传标注后的铁路轨道设施图像至远程数据处理系统。
综上，本发明实施例的铁路轨道设施异常识别方法先根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小，根据铁路轨道设施图像获取轨道设施边界，再根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像，然后根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上，最后上传标注后的铁路轨道设施图像，可以实时准确识别铁路轨道设施异常，提高了识别效率，从而快速有效指导铁路现场轨道设施的维护。
基于同一发明构思，本发明实施例还提供了一种铁路轨道设施异常识别系统，由于该系统解决问题的原理与铁路轨道设施异常识别方法相似，因此该系统的实施可以参见方法的实施，重复之处不再赘述。
图3是本发明实施例中铁路轨道设施异常识别系统的结构框图。如图3所示，铁路轨道设施异常识别系统包括：
图像采集单元，用于采集铁路轨道设施图像；
第一判断单元，用于判断铁路轨道设施图像的类型；
分析单元，用于根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小；
轨道设施边界单元，用于根据铁路轨道设施图像获取轨道设施边界；
裁剪单元，用于根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像；
标注单元，用于根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上；
上传单元，用于上传标注后的铁路轨道设施图像。
在其中一种实施例中，还包括：
亮度阈值范围单元，用于根据铁路轨道设施图像的类型确定图像亮度阈值范围；
第二判断单元，用于判断铁路轨道设施图像的亮度是否位于图像亮度阈值范围中；
亮度调整单元，用于当铁路轨道设施图像的亮度不在图像亮度阈值范围中时，根据图像亮度阈值范围调整铁路轨道设施图像的亮度。
在其中一种实施例中，还包括：
压缩单元，用于压缩裁剪后的铁路轨道设施图像；
存储单元，用于存储压缩后的铁路轨道设施图像和标注后的铁路轨道设施图像。
在其中一种实施例中，还包括：
脉冲信号单元，用于根据来自速度传感器的速度信号生成脉冲信号；
图像采集单元具体用于：根据脉冲信号采集铁路轨道设施图像。
综上，本发明实施例的铁路轨道设施异常识别系统先根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小，根据铁路轨道设施图像获取轨道设施边界，再根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像，然后根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上，最后上传标注后的铁路轨道设施图像，可以实时准确识别铁路轨道设施异常，提高了识别效率，从而快速有效指导铁路现场轨道设施的维护。
本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时可以实现铁路轨道设施异常识别方法的全部或部分内容，例如，处理器执行计算机程序时可以实现如下内容：
采集铁路轨道设施图像；
判断铁路轨道设施图像的类型；
根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小；
根据铁路轨道设施图像获取轨道设施边界；
根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像；
根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上；
上传标注后的铁路轨道设施图像。
综上，本发明实施例的计算机设备先根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小，根据铁路轨道设施图像获取轨道设施边界，再根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像，然后根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上，最后上传标注后的铁路轨道设施图像，可以实时准确识别铁路轨道设施异常，提高了识别效率，从而快速有效指导铁路现场轨道设施的维护。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时可以实现铁路轨道设施异常识别方法的全部或部分内容，例如，处理器执行计算机程序时可以实现如下内容：
采集铁路轨道设施图像；
判断铁路轨道设施图像的类型；
根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小；
根据铁路轨道设施图像获取轨道设施边界；
根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像；
根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上；
上传标注后的铁路轨道设施图像。
综上，本发明实施例的计算机可读存储介质先根据铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小，根据铁路轨道设施图像获取轨道设施边界，再根据图像预设大小和轨道设施边界裁剪铁路轨道设施图像，然后根据图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将铁路轨道设施异常标注在裁剪后的铁路轨道设施图像上，最后上传标注后的铁路轨道设施图像，可以实时准确识别铁路轨道设施异常，提高了识别效率，从而快速有效指导铁路现场轨道设施的维护。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块，或单元，或装置都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
Claims (10)
1.一种铁路轨道设施异常识别方法，其特征在于，包括：
采集铁路轨道设施图像；
判断所述铁路轨道设施图像的类型；
根据所述铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小；
根据所述铁路轨道设施图像获取轨道设施边界；
根据所述图像预设大小和所述轨道设施边界裁剪所述铁路轨道设施图像；
根据所述图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将所述铁路轨道设施异常标注在所述裁剪后的铁路轨道设施图像上；
上传标注后的铁路轨道设施图像。
2.根据权利要求1所述的铁路轨道设施异常识别方法，其特征在于，还包括：
根据所述铁路轨道设施图像的类型确定图像亮度阈值范围；
判断所述铁路轨道设施图像的亮度是否位于所述图像亮度阈值范围中；
当所述铁路轨道设施图像的亮度不在所述图像亮度阈值范围中时，根据所述图像亮度阈值范围调整所述铁路轨道设施图像的亮度。
3.根据权利要求1所述的铁路轨道设施异常识别方法，其特征在于，还包括：
压缩裁剪后的铁路轨道设施图像；
存储压缩后的铁路轨道设施图像和标注后的铁路轨道设施图像。
4.根据权利要求1所述的铁路轨道设施异常识别方法，其特征在于，还包括：
根据来自速度传感器的速度信号生成脉冲信号；
根据所述脉冲信号采集铁路轨道设施图像。
5.一种铁路轨道设施异常识别系统，其特征在于，包括：
图像采集单元，用于采集铁路轨道设施图像；
第一判断单元，用于判断所述铁路轨道设施图像的类型；
分析单元，用于根据所述铁路轨道设施图像的类型确定图像分析模型参数和图像预设大小；
轨道设施边界单元，用于根据所述铁路轨道设施图像获取轨道设施边界；
裁剪单元，用于根据所述图像预设大小和所述轨道设施边界裁剪所述铁路轨道设施图像；
标注单元，用于根据所述图像分析模型参数识别裁剪后的铁路轨道设施图像的铁路轨道设施异常，并将所述铁路轨道设施异常标注在所述裁剪后的铁路轨道设施图像上；
上传单元，用于上传标注后的铁路轨道设施图像。
6.根据权利要求5所述的铁路轨道设施异常识别系统，其特征在于，还包括：
亮度阈值范围单元，用于根据所述铁路轨道设施图像的类型确定图像亮度阈值范围；
第二判断单元，用于判断所述铁路轨道设施图像的亮度是否位于所述图像亮度阈值范围中；
亮度调整单元，用于当所述铁路轨道设施图像的亮度不在所述图像亮度阈值范围中时，根据所述图像亮度阈值范围调整所述铁路轨道设施图像的亮度。
7.根据权利要求5所述的铁路轨道设施异常识别系统，其特征在于，还包括：
压缩单元，用于压缩裁剪后的铁路轨道设施图像；
存储单元，用于存储压缩后的铁路轨道设施图像和标注后的铁路轨道设施图像。
8.根据权利要求5所述的铁路轨道设施异常识别系统，其特征在于，还包括：
脉冲信号单元，用于根据来自速度传感器的速度信号生成脉冲信号；
所述图像采集单元具体用于：根据所述脉冲信号采集铁路轨道设施图像。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一项所述的铁路轨道设施异常识别方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4任一项所述的铁路轨道设施异常识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911186674.4A CN110991667A (zh) | 2019-11-28 | 2019-11-28 | 铁路轨道设施异常识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911186674.4A CN110991667A (zh) | 2019-11-28 | 2019-11-28 | 铁路轨道设施异常识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110991667A true CN110991667A (zh) | 2020-04-10 |
Family
ID=70087628
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911186674.4A Pending CN110991667A (zh) | 2019-11-28 | 2019-11-28 | 铁路轨道设施异常识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110991667A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2708166A1 (fr) * | 1993-07-22 | 1995-01-27 | Philips Laboratoire Electroniq | Procédé de traitement d'images numérisées pour la détection automatique de sténoses. |
| JP2004132881A (ja) * | 2002-10-11 | 2004-04-30 | Mitsubishi Heavy Ind Ltd | 配列構造物の検査方法 |
| CN102460064A (zh) * | 2009-05-13 | 2012-05-16 | 乔治城铁路设备公司 | 用于利用光学波长滤波来检查表面的系统和方法 |
| CN104463886A (zh) * | 2014-12-18 | 2015-03-25 | 西南交通大学 | 一种线阵相机拍摄图像的处理方法及装置 |
| CN104583051A (zh) * | 2012-08-31 | 2015-04-29 | 西门子公司 | 对铁路线路的监视 |
| US20170066459A1 (en) * | 2015-09-03 | 2017-03-09 | Sameer Singh | Rail track asset survey system |
| CN108596872A (zh) * | 2018-03-08 | 2018-09-28 | 北京交通大学 | 基于Gabor小波和SVM的钢轨病害的检测方法 |
| CN110223296A (zh) * | 2019-07-08 | 2019-09-10 | 山东建筑大学 | 一种基于机器视觉的螺纹钢表面缺陷检测方法及系统 |
| CN110254468A (zh) * | 2019-06-20 | 2019-09-20 | 吉林大学 | 一种轨道表面缺陷智能在线检测装置及检测方法 |
-
2019
- 2019-11-28 CN CN201911186674.4A patent/CN110991667A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2708166A1 (fr) * | 1993-07-22 | 1995-01-27 | Philips Laboratoire Electroniq | Procédé de traitement d'images numérisées pour la détection automatique de sténoses. |
| JP2004132881A (ja) * | 2002-10-11 | 2004-04-30 | Mitsubishi Heavy Ind Ltd | 配列構造物の検査方法 |
| CN102460064A (zh) * | 2009-05-13 | 2012-05-16 | 乔治城铁路设备公司 | 用于利用光学波长滤波来检查表面的系统和方法 |
| CN104583051A (zh) * | 2012-08-31 | 2015-04-29 | 西门子公司 | 对铁路线路的监视 |
| CN104463886A (zh) * | 2014-12-18 | 2015-03-25 | 西南交通大学 | 一种线阵相机拍摄图像的处理方法及装置 |
| US20170066459A1 (en) * | 2015-09-03 | 2017-03-09 | Sameer Singh | Rail track asset survey system |
| CN108596872A (zh) * | 2018-03-08 | 2018-09-28 | 北京交通大学 | 基于Gabor小波和SVM的钢轨病害的检测方法 |
| CN110254468A (zh) * | 2019-06-20 | 2019-09-20 | 吉林大学 | 一种轨道表面缺陷智能在线检测装置及检测方法 |
| CN110223296A (zh) * | 2019-07-08 | 2019-09-10 | 山东建筑大学 | 一种基于机器视觉的螺纹钢表面缺陷检测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 李志等: "基于图像处理的铁路轨枕分割方法研究", 《科技创新与应用》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106192634B (zh) | 一种铁路轨道弹条扣件状态自动检测装置以及方法 | |
| CN106954042B (zh) | 一种无人机铁路线路巡检装置、系统及方法 | |
| CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
| CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
| CN101769877B (zh) | 轨道表面擦伤检测系统 | |
| EP2670648A1 (en) | Rail vision system | |
| CN202083641U (zh) | 基于线阵扫描技术的车载铁路路轨视觉检测装置 | |
| Resendiz et al. | Development of a machine-vision system for inspection of railway track components | |
| CN103321129A (zh) | 基于3g网络的红外热像的远程路面施工诊断系统及方法 | |
| CN111238393A (zh) | 受电弓碳滑板检测系统及其控制方法 | |
| CN109085177B (zh) | 一种基于rfid定位的漏缆外观检测方法和装置 | |
| CN102556119A (zh) | 直接采集铁路转辙机表示杆缺口图像测得缺口数据的方法 | |
| CN101424510B (zh) | 列车超限的检测方法及系统 | |
| KR20120134149A (ko) | 전기 철도 보수용 차량 위치 측정 장치 | |
| CN107697102A (zh) | 高速铁路异物侵限的信息采集、识别及警示系统 | |
| CN107870910A (zh) | 高铁轨旁设备添乘检查记录方法及其系统 | |
| KR100689633B1 (ko) | 철도궤도 결함 자동 검측 및 관리 시스템, 자동 검측 및관리 방법 | |
| CN110991667A (zh) | 铁路轨道设施异常识别方法及系统 | |
| CN208765667U (zh) | 一种基于激光测距的城轨车辆受电弓滑板磨耗检测系统 | |
| US20210142461A1 (en) | System for performing micro-scale scanning of rail networks | |
| CN206579656U (zh) | 一种铁路货场货车定位及车号识别系统 | |
| CN105172839A (zh) | 一种全自动火车导轨轮廓检测系统 | |
| CN205344921U (zh) | 用于全自动火车导轨轮廓检测的图像采集系统 | |
| CN111532312B (zh) | 轨道道岔识别方法及装置 | |
| CN204978702U (zh) | 一种全自动火车导轨轮廓检测系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |