CN117002544B - 折叠式轨道巡检设备和轨道故障信息发送方法 - Google Patents
折叠式轨道巡检设备和轨道故障信息发送方法 Download PDFInfo
- Publication number
- CN117002544B CN117002544B CN202311041623.9A CN202311041623A CN117002544B CN 117002544 B CN117002544 B CN 117002544B CN 202311041623 A CN202311041623 A CN 202311041623A CN 117002544 B CN117002544 B CN 117002544B
- Authority
- CN
- China
- Prior art keywords
- track
- image
- folding
- assembly
- channel
- 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.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 23
- 230000007547 defect Effects 0.000 claims description 63
- 238000001914 filtration Methods 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 238000004904 shortening Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims 1
- 230000009467 reduction Effects 0.000 description 16
- 238000001514 detection method Methods 0.000 description 12
- 230000005856 abnormality Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
- B61D15/00—Other railway vehicles, e.g. scaffold cars; Adaptations of vehicles for use on railways
- B61D15/08—Railway inspection trolleys
- B61D15/12—Railway inspection trolleys power propelled
-
- 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
-
- 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
- B61K9/10—Measuring installations for surveying permanent way for detecting cracks in rails or welds thereof
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Image Processing (AREA)
Abstract
本公开的实施例公开了折叠式轨道巡检设备和轨道故障信息发送方法。该折叠式轨道巡检设备的一具体实施方式包括:折叠式轨道巡检设备主体、折叠组件、驱动组件、负载组件、电源模组和数据处理组件,折叠组件包括各个可伸缩杆组和各个可调节杆;每两个相邻的可伸缩杆组之间连接有可调节杆;驱动组件包括驱动电机和各个轨道行驶轮,各个轨道行驶轮均与驱动电机电连接,轨道行驶轮与对应的可伸缩杆组包括的每个可伸缩杆的一端连接;负载组件设置于折叠式轨道巡检设备主体的底部;驱动电机与数据处理组件通信连接,数据处理组件和驱动电机均与电源模组电连接。该实施方式可以提高折叠式轨道巡检设备部署时的灵活性和简便性。
Description
技术领域
本公开的实施例涉及轨道巡检技术领域,具体涉及折叠式轨道巡检设备和轨道故障信息发送方法。
背景技术
随着城市化进程的加快,轨道交通已经成为人们出行的主要方式之一。然而,由于列车在行驶过程中会受到各种因素的影响,如自然灾害、设备故障等,因此需要进行频繁的轨道检测工作,以保证铁路运输的安全和稳定。目前,在对轨道进行检测时,通常采用一些轨道检测设备对铁路进行检测,例如,轮式自行走结构设备,该设备由固定运动模组、摄像模组和电池模组等模组组成。检测过程中,通过摄像模组对轨道进行拍摄,将拍摄到的图像传输至工作人员的终端,工作人员根据图像确定轨道是否存在故障。
然而,发明人发现,当采用上述轨道检测设备对轨道进行检测时,经常会存在如下技术问题:
第一,由于上述轨道检测设备的运动模组为固定运动模组,所以需要根据轨道的大小,先选出对应的固定模组再与其他模组进行组装得到轨道检测装置,导致造成部署轨道检测装置的灵活性和简便性较差。
第二,工作人员对故障的判断标准不一致,存在主观性,造成识别轨道故障的准确性较低,导致轨道的安全性较低。
第三,对于面积较小的部分(例如焊缝),人工观察较困难,识别轨道故障的准确率较低,进一步导致轨道的安全性较低。
第四,未对采集的图像进行处理,造成图像的清晰度较低,导致识别轨道故障的准确率较低,更进一步导致轨道的安全性较低。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了折叠式轨道巡检设备和轨道故障信息发送方法,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种折叠式轨道巡检设备,该折叠式轨道巡检设备包括:折叠式轨道巡检设备主体、折叠组件、驱动组件、负载组件、电源模组和数据处理组件,其中,上述折叠组件包括各个可伸缩杆组和各个可调节杆,上述各个可伸缩杆组中的每个可伸缩杆组包括的每个可伸缩杆的一端与上述折叠式轨道巡检设备主体连接;每两个相邻的可伸缩杆组之间连接有可调节杆,以实现每两个相邻的可伸缩杆组可调节地连接,在各个可调节杆伸长的过程中,每两个相邻的可伸缩杆组的角度增大,在各个可调节杆缩短的过程中,每两个相邻的可伸缩杆组的角度减小;上述驱动组件包括驱动电机和各个轨道行驶轮,上述各个轨道行驶轮均与上述驱动电机电连接,上述驱动电机用于对上述各个轨道行驶轮提供动力,以驱动上述各个轨道行驶轮移动,对于上述各个轨道行驶轮中的每个轨道行驶轮,上述轨道行驶轮与对应的可伸缩杆组包括的每个可伸缩杆的一端连接,以实现上述轨道行驶轮与上述折叠式轨道巡检设备主体的可调节连接;上述负载组件设置于上述折叠式轨道巡检设备主体的底部,上述负载组件用于承载物品;上述电源模组和上述数据处理组件均设置于上述折叠式轨道巡检设备主体的内部,上述驱动电机与上述数据处理组件通信连接,上述数据处理组件和上述驱动电机均与上述电源模组电连接。
可选地,上述折叠式轨道巡检设备还包括传感器组件和通讯组件,上述传感器组件和上述通讯组件与上述数据处理组件通信连接,上述通讯组件设置于上述折叠式轨道巡检设备主体的内部,上述通讯组件用于传输数据,上述传感器组件用于检测轨道的各种数据。
可选地,上述传感器组件设置于上述各个轨道行驶轮中任一轨道行驶轮上,上述传感器组件包括以下至少一种:红外传感器、超声波传感器、激光雷达传感器和视频图像传感器。
可选地,上述折叠式轨道巡检设备还包括摄像组件,上述摄像组件与上述数据处理组件通信连接,上述摄像组件位于上述折叠式轨道巡检设备主体的任意一侧。
可选地,上述电源模组与上述折叠式轨道巡检设备主体的连接方式为卡扣式连接。
可选地,上述负载组件的结构为网状结构。
第二方面,本公开的一些实施例提供了一种轨道故障信息发送方法,应用于如第一方面任一实现方式所描述的折叠式轨道巡检设备,其中,上述折叠式轨道巡检设备包括折叠式轨道巡检设备主体、折叠组件、驱动组件、负载组件、电源模组、数据处理组件和摄像组件,上述方法包括:通过上述摄像组件采集对应目标轨道的轨道图像;对上述轨道图像进行故障识别,得到对应上述轨道图像的故障识别结果;响应于确定上述故障识别结果表征上述目标轨道存在至少一处故障,根据上述故障识别结果,确定对应上述轨道特征信息的至少一个轨道故障信息;根据上述至少一个轨道故障信息中的每个轨道故障信息,确定对应上述轨道故障信息的轨道故障类型信息;将所得到的至少一个轨道故障类型信息发送至相关联的终端设备。
可选地,上述对上述轨道图像进行故障识别,得到对应上述轨道特征信息的故障识别结果,包括:对上述轨道图像进行焊缝识别,得到至少一个轨道焊缝区域信息;根据上述至少一个轨道焊缝区域信息,对上述轨道图像进行裁切处理,得到至少一个轨道焊缝图像;对于上述至少一个轨道焊缝图像中的每个轨道焊缝图像,执行以下步骤:对上述轨道焊缝图像进行图像降噪处理,得到轨道焊缝降噪图像;对上述轨道焊缝降噪图像进行局部图像增强处理,得到轨道焊缝增强图像;对上述轨道焊缝增强图像进行几何特征提取,得到轨道焊缝几何特征信息,其中,上述轨道几何特征信息包括轨道焊缝面积特征参数、轨道焊缝周长特征参数和轨道焊缝圆形度特征参数;对上述轨道焊缝增强图像进行纹理特征提取,得到轨道焊缝纹理特征信息,其中,上述轨道焊缝纹理特征信息包括二阶矩参数、熵参数、均匀性参数和对比度纹理特征参数;将上述轨道焊缝几何特征信息和上述轨道焊缝纹理特征信息输入至预先训练的缺陷识别模型,得到缺陷识别结果;将所得到的各个缺陷识别结果确定为故障识别结果。
可选地,上述对上述轨道图像进行故障识别,得到对应上述轨道特征信息的故障识别结果,包括:对上述轨道图像进行灰度转换处理,得到第一通道轨道灰度值图像、第二通道轨道灰度值图像和第三通道轨道灰度值图像;对上述第一通道轨道灰度值图像进行均值滤波处理,得到第一通道轨道滤波图像;对上述第二通道轨道灰度值图像进行非线性滤波处理,得到第二通道轨道滤波图像;对上述第三通道轨道灰度值图像进行高斯滤波处理,得到第三通道轨道滤波图像;对上述第一通道轨道滤波图像、上述第二通道轨道滤波图像和上述第三通道轨道滤波图像分别进行图像对比度增强处理,得到第一通道轨道增强图像、第二通道轨道增强图像和第三通道轨道增强图像;将上述第一通道轨道增强图像、上述第二通道轨道增强图像和上述第三通道轨道增强图像进行合并处理,得到预处理后轨道图像;从预设轨道模板图像集合中筛选出与上述预处理后轨道图像对应的预设轨道模板图像;根据上述预设轨道模板图像和上述预处理后轨道图像,确定上述预处理后轨道图像对应的至少一个轨道异常图像;对于上述至少一个轨道异常图像中的每个轨道异常图像,将上述轨道异常图像输入至预先训练的轨道异常结果生成模型,得到轨道异常结果;将所得到的各个轨道异常结果确定为故障识别结果。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的折叠式轨道巡检设备部署时的灵活性和简便性较高。具体来说,造成相关的轨道检测装置部署时的灵活性和简便性较差的原因在于:由于上述轨道检测设备的运动模组为固定运动模组,所以需要根据轨道的大小,先选出对应的固定模组再与其他模组进行组装得到轨道检测装置。基于此,本公开的一些实施例的折叠式轨道巡检设备包括折叠式轨道巡检设备主体、折叠组件、驱动组件、负载组件、电源模组和数据处理组件,其中,上述折叠组件包括各个可伸缩杆组和各个可调节杆,上述各个可伸缩杆组中的每个可伸缩杆组包括的每个可伸缩杆的一端与上述折叠式轨道巡检设备主体连接;每两个相邻的可伸缩杆组之间连接有可调节杆,以实现每两个相邻的可伸缩杆组可调节地连接,在各个可调节杆伸长的过程中,每两个相邻的可伸缩杆组的角度增大,在各个可调节杆缩短的过程中,每两个相邻的可伸缩杆组的角度减小;上述驱动组件包括驱动电机和各个轨道行驶轮,上述各个轨道行驶轮均与上述驱动电机电连接,上述驱动电机用于对上述各个轨道行驶轮提供动力,以驱动上述各个轨道行驶轮移动,对于上述各个轨道行驶轮中的每个轨道行驶轮,上述轨道行驶轮与对应的可伸缩杆组包括的每个可伸缩杆的一端连接,以实现上述轨道行驶轮与上述折叠式轨道巡检设备主体的可调节连接;上述负载组件设置于上述折叠式轨道巡检设备主体的底部,上述负载组件用于承载物品;上述电源模组和上述数据处理组件均设置于上述折叠式轨道巡检设备主体的内部,上述驱动电机与上述数据处理组件通信连接,上述数据处理组件和上述驱动电机均与上述电源模组电连接。因为上述各个轨道行驶轮通过各个可伸缩杆组与上述折叠式轨道巡检设备主体连接,且可伸缩杆之间的角度以及可伸缩杆的长度均可以调节,从而在部署折叠式轨道巡检设备时,可以根据轨道的大小直接对各个伸缩杆的角度和长度进行调整,无需现场组装,进而可以提高折叠式轨道巡检设备部署时的灵活性和简便性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的折叠式轨道巡检设备的一些实施例的结构示意图;
图2是根据本公开的轨道故障信息发送方法的一些实施例的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的折叠式轨道巡检设备的一些实施例的结构示意图。图1包括折叠式轨道巡检设备主体1、折叠组件2、驱动组件3、负载组件4、电源模组5和数据处理组件6。上述折叠组件2包括可伸缩杆21和可调节杆22。上述驱动组件3包括轨道行驶轮31。
在一些实施例中,上述折叠式轨道巡检设备可以包括折叠式轨道巡检设备主体1、折叠组件2、驱动组件3、负载组件4、电源模组5和数据处理组件6。其中,上述折叠组件2可以为能够折叠的组件。例如,上述折叠组件2的结构可以类似于三角支架的结构。上述折叠组件2可以包括各个可伸缩杆组和各个可调节杆。上述可伸缩杆组包括至少一个可伸缩杆(例如可伸缩杆21)。上述可伸缩杆可以为长度能够调节的杆。可调节杆可以为用于调节各个可伸缩杆组之间的角度的杆。上述各个可伸缩杆组中的每个可伸缩杆组包括的每个可伸缩杆的一端可以与上述折叠式轨道巡检设备主体1连接。作为示例,每个可伸缩杆的一端可以通过螺丝与上述折叠式轨道巡检设备主体1连接。
在一些实施例中,每两个相邻的可伸缩杆组之间可以连接有可调节杆(例如可调节杆22),以实现每两个相邻的可伸缩杆组可调节地连接。具体地,在各个可调节杆伸长的过程中,每两个相邻的可伸缩杆组的角度可以增大。在各个可调节杆缩短的过程中,每两个相邻的可伸缩杆组的角度可以减小。
在一些实施例中,上述驱动组件3可以包括驱动电机和各个轨道行驶轮(例如轨道行驶轮31)。上述各个轨道行驶轮均可以与上述驱动电机电连接。上述驱动电机可以用于对上述各个轨道行驶轮提供动力,以驱动上述各个轨道行驶轮移动。对于上述各个轨道行驶轮中的每个轨道行驶轮,上述轨道行驶轮可以与对应的可伸缩杆组包括的每个可伸缩杆的一端连接,以实现上述轨道行驶轮与上述折叠式轨道巡检设备主体1的可调节连接。可以理解为,上述轨道行驶轮可以通过任一可伸缩杆组与上述折叠式轨道巡检设备主体1可调节连接。具体地,在可伸缩杆组伸长的过程中,轨道行驶轮距离上述折叠式轨道巡检设备主体1的竖直距离可以增大。在可伸缩杆组缩短的过程中,轨道行驶轮距离上述折叠式轨道巡检设备主体1的竖直距离可以减小。在各个可调节杆伸长的过程中,每两个相邻的可伸缩杆组的角度可以增大,轨道行驶轮距离上述折叠式轨道巡检设备主体1的水平距离可以增大。在各个可调节杆伸长的过程中,每两个相邻的可伸缩杆组的角度可以增小,轨道行驶轮距离上述折叠式轨道巡检设备主体1的水平距离可以减小。
在一些实施例中,上述负载组件4可以设置于上述折叠式轨道巡检设备主体1的底部。其中,上述负载组件4可以为用于承载检修工具和其他轻便设备的组件。例如,上述负载组件4可以为承载框。上述负载组件4的顶端可以固定连接于折叠式轨道巡检设备主体1的底部。上述负载组件4可以用于承载物品。
在一些实施例中,上述电源模组5和上述数据处理组件6均可以设置于上述折叠式轨道巡检设备主体1的内部。其中,上述电源模组5可以为电池。上述数据处理组件6可以为微处理器。例如,上述数据处理组件6可以为中央处理器。上述驱动电机可以与上述数据处理组件6通信连接。作为示例,上述驱动电机可以与上述数据处理组件6通过有线连接方式或无线连接方式通信连接。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。上述数据处理组件6和上述驱动电机均可以与上述电源模组5电连接。
可选地,上述折叠式轨道巡检设备还可以包括传感器组件和通讯组件。其中,上述传感器组件可以包括各种用于检测轨道的各种数据的传感器。上述通讯组件可以为用于与其他设备进行通讯的组件。例如,上述通讯组件可以为以下至少一项:蓝牙模组、Wi-Fi模组、LoRa模组和NB-IoT模组。上述传感器组件和上述通讯组件可以与上述数据处理组件6通信连接。上述传感器组件和上述通讯组件可以设置于上述折叠式轨道巡检设备主体1的内部。上述通讯组件可以用于传输数据。上述传感器组件可以用于检测轨道的各种数据。由此,通过传感器组件可以检测轨道的各种数据。通过通讯组件可以实现上述折叠式轨道巡检设备与其他设备的通讯。
可选地,上述传感器组件可以设置于上述各个轨道行驶轮中任一轨道行驶轮上。上述传感器组件可以包括以下至少一种:红外传感器、超声波传感器、激光雷达传感器和视频图像传感器。
可选地,上述折叠式轨道巡检设备还可以包括摄像组件。上述摄像组件可以与上述数据处理组件6通信连接。上述摄像组件可以位于上述折叠式轨道巡检设备主体1的任意一侧。由此,通过摄像组件可以对轨道进行拍摄,得到轨道图像。
可选地,上述电源模组5与上述折叠式轨道巡检设备主体1的连接方式可以为卡扣式连接。由此,可以较快对电源模组进行替换。
可选地,上述负载组件4的结构可以为网状结构。由此,可以减小负载组件的重量。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的折叠式轨道巡检设备部署时的灵活性和简便性较高。具体来说,造成相关的轨道检测装置部署时的灵活性和简便性较差的原因在于:由于上述轨道检测设备的运动模组为固定运动模组,所以需要根据轨道的大小,先选出对应的固定模组再与其他模组进行组装得到轨道检测装置。基于此,本公开的一些实施例的折叠式轨道巡检设备包括折叠式轨道巡检设备主体、折叠组件、驱动组件、负载组件、电源模组和数据处理组件,其中,上述折叠组件包括各个可伸缩杆组和各个可调节杆,上述各个可伸缩杆组中的每个可伸缩杆组包括的每个可伸缩杆的一端与上述折叠式轨道巡检设备主体连接;每两个相邻的可伸缩杆组之间连接有可调节杆,以实现每两个相邻的可伸缩杆组可调节地连接,在各个可调节杆伸长的过程中,每两个相邻的可伸缩杆组的角度增大,在各个可调节杆缩短的过程中,每两个相邻的可伸缩杆组的角度减小;上述驱动组件包括驱动电机和各个轨道行驶轮,上述各个轨道行驶轮均与上述驱动电机电连接,上述驱动电机用于对上述各个轨道行驶轮提供动力,以驱动上述各个轨道行驶轮移动,对于上述各个轨道行驶轮中的每个轨道行驶轮,上述轨道行驶轮与对应的可伸缩杆组包括的每个可伸缩杆的一端连接,以实现上述轨道行驶轮与上述折叠式轨道巡检设备主体的可调节连接;上述负载组件设置于上述折叠式轨道巡检设备主体的底部,上述负载组件用于承载物品;上述电源模组和上述数据处理组件均设置于上述折叠式轨道巡检设备主体的内部,上述驱动电机与上述数据处理组件通信连接,上述数据处理组件和上述驱动电机均与上述电源模组电连接。因为上述各个轨道行驶轮通过各个可伸缩杆组与上述折叠式轨道巡检设备主体连接,且可伸缩杆之间的角度以及可伸缩杆的长度均可以调节,从而在部署折叠式轨道巡检设备时,可以根据轨道的大小直接对各个伸缩杆的角度和长度进行调整,无需现场组装,进而可以提高折叠式轨道巡检设备部署时的灵活性和简便性。
继续参考图2,示出了根据本公开的轨道故障信息发送方法的一些实施例的流程200。该轨道故障信息发送方法,包括以下步骤:
步骤201,通过摄像组件采集对应目标轨道的轨道图像。
在一些实施例中,轨道故障信息发送方法的执行主体(例如图1所示的折叠式轨道巡检设备)可以通过上述摄像组件采集对应目标轨道的轨道图像。其中,上述折叠式轨道巡检设备可以包括折叠式轨道巡检设备主体、折叠组件、驱动组件、负载组件、电源模组、数据处理组件和摄像组件。上述目标轨道可以为任意一段轨道。实践中,上述执行主体可以通过上述摄像组件对目标轨道进行拍摄,得到轨道图像。
步骤202,对轨道图像进行故障识别,得到对应轨道图像的故障识别结果。
在一些实施例中,上述执行主体可以对上述轨道图像进行故障识别,得到对应上述轨道图像的故障识别结果。其中,上述故障识别结果可以表征上述目标轨道存在至少一处故障或上述目标轨道不存在故障。作为示例,上述故障识别结果可以为“故障01”。上述“故障01”可以表征上述目标轨道的轨道变形。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过执行以下步骤对上述轨道图像进行故障识别,得到对应上述轨道特征信息的故障识别结果:
第一步,对上述轨道图像进行焊缝识别,得到至少一个轨道焊缝区域信息。其中,上述轨道焊缝区域信息可以为用于表征轨道焊缝的区域的信息。例如,上述轨道焊缝区域信息可以通过各个坐标进行表示。实践中,上述执行主体可以通过各种焊缝识别算法对上述轨道图像进行焊缝识别,得到至少一个轨道焊缝区域信息。作为示例,上述执行主体可以通过基于边缘检测的焊缝图像自动识别算法对上述轨道图像进行焊缝识别,得到至少一个轨道焊缝区域信息。
第二步,根据上述至少一个轨道焊缝区域信息,对上述轨道图像进行裁切处理,得到至少一个轨道焊缝图像。实践中,上述执行主体可以将上述轨道图像中对应各个轨道焊缝区域信息的部分进行裁切,得到至少一个轨道焊缝图像。
第三步,对于上述至少一个轨道焊缝图像中的每个轨道焊缝图像,执行以下步骤:
第一子步骤,对上述轨道焊缝图像进行图像降噪处理,得到轨道焊缝降噪图像。作为示例,上述执行主体可以通过小波降噪算法对上述轨道焊缝图像进行图像降噪处理,得到轨道焊缝降噪图像。
第二子步骤,对上述轨道焊缝降噪图像进行局部图像增强处理,得到轨道焊缝增强图像。实践中,上述执行主体可以通过基于局部均方差的图像局部对比度增强算法对上述轨道焊缝降噪图像进行局部图像增强处理,得到轨道焊缝增强图像。
第三子步骤,对上述轨道焊缝增强图像进行几何特征提取,得到轨道焊缝几何特征信息。其中,上述轨道几何特征信息可以包括轨道焊缝面积特征参数、轨道焊缝周长特征参数和轨道焊缝圆形度特征参数。实践中,首先,上述执行主体可以通过各种边缘检测算法对上述轨道焊缝增强图像进行边缘检测处理,得到轨道焊缝边缘图像。然后,上述执行主体可以确定上述轨道焊缝边缘图像的轨道焊缝几何信息。其中,上述轨道焊缝几何信息可以包括轨道焊缝面积信息、轨道焊缝周长信息和轨道焊缝圆形度信息。最后,上述执行主体可以对上述轨道焊缝几何信息进行特征处理,得到轨道焊缝几何特征信息。作为示例,上述执行主体可以对上述轨道焊缝几何信息进行向量化处理,得到轨道焊缝几何特征信息。
第四子步骤,对上述轨道焊缝增强图像进行纹理特征提取,得到轨道焊缝纹理特征信息。其中,上述轨道焊缝纹理特征信息可以包括二阶矩参数、熵参数、均匀性参数和对比度纹理特征参数。实践中,上述执行主体可以通过各种纹理特征提取算法对上述轨道焊缝增强图像进行纹理特征提取,得到轨道焊缝纹理特征信息。作为示例,上述各种纹理特征提取算法可以包括但不限于以下至少一种:灰度共生矩阵、Tamura纹理特征、LBP(LocalBinary Patterns,局部二值模式)和Gabor滤波。
第五子步骤,将上述轨道焊缝几何特征信息和上述轨道焊缝纹理特征信息输入至预先训练的缺陷识别模型,得到缺陷识别结果。其中,上述预先训练的缺陷识别模型可以为以轨道焊缝几何特征信息为输入,以轨道焊缝纹理特征信息为输出的神经网络模型。例如,上述预先训练的缺陷识别模型可以为反向传播神经网络模型。上述缺陷识别结果可以表征上述目标轨道上的焊缝存在缺陷或上述目标轨道上的焊缝不存在缺陷。
第四步,将所得到的各个缺陷识别结果确定为故障识别结果。
上述相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题三“对于面积较小的部分(例如焊缝),人工观察较困难,识别轨道故障的准确率较低,进一步导致轨道的安全性较低”。进一步导致轨道的安全性较低的原因如下:对于面积较小的部分(例如焊缝),人工观察较困难,识别轨道故障的准确率较低。如果解决了上述因素,就可以进一步提高轨道的安全性。为了达到这一效果,本公开对上述轨道图像进行焊缝识别,得到至少一个轨道焊缝区域信息;根据上述至少一个轨道焊缝区域信息,对上述轨道图像进行裁切处理,得到至少一个轨道焊缝图像;对于上述至少一个轨道焊缝图像中的每个轨道焊缝图像,执行以下步骤:对上述轨道焊缝图像进行图像降噪处理,得到轨道焊缝降噪图像;对上述轨道焊缝降噪图像进行局部图像增强处理,得到轨道焊缝增强图像;对上述轨道焊缝增强图像进行几何特征提取,得到轨道焊缝几何特征信息,其中,上述轨道几何特征信息包括轨道焊缝面积特征参数、轨道焊缝周长特征参数和轨道焊缝圆形度特征参数;对上述轨道焊缝增强图像进行纹理特征提取,得到轨道焊缝纹理特征信息,其中,上述轨道焊缝纹理特征信息包括二阶矩参数、熵参数、均匀性参数和对比度纹理特征参数;将上述轨道焊缝几何特征信息和上述轨道焊缝纹理特征信息输入至预先训练的缺陷识别模型,得到缺陷识别结果;将所得到的各个缺陷识别结果确定为故障识别结果。因为对采集图像进行了焊缝识别继而进行裁切,从而可以减小后续识别处理的图像面积,减少运算步骤。也因为对图像进行了降噪和局部图像增强处理,进而可以提高图像的质量,以提高后续识别缺陷的准确性。还因为同时提取几何特征和纹理特征以识别缺陷,进而进一步提高识别缺陷的准确性。由此,可以进一步提高轨道的安全性。
在一些实施例的一些可选的实现方式中,上述执行主体还可以通过执行以下步骤对上述轨道图像进行故障识别,得到对应上述轨道特征信息的故障识别结果:
第一步,对上述轨道图像进行灰度转换处理,得到第一通道轨道灰度值图像、第二通道轨道灰度值图像和第三通道轨道灰度值图像。其中,第一通道轨道灰度值图像、第二通道轨道灰度值图像和第三通道轨道灰度值图像分别对应Red通道、Green通道和Blue通道的轨道灰度值图像。实践中,上述执行主体可以将上述轨道图像分别转换成具有相同定义域的三个单通道的灰度值图像。
第二步,对上述第一通道轨道灰度值图像进行均值滤波处理,得到第一通道轨道滤波图像。实践中,上述执行主体可以通过均值滤波器对上述第一通道轨道灰度值图像进行均值滤波处理,得到第一通道轨道滤波图像。
第三步,对上述第二通道轨道灰度值图像进行非线性滤波处理,得到第二通道轨道滤波图像。实践中,上述执行主体可以通过二维中值滤波算法对上述第二通道轨道灰度值图像进行非线性滤波处理,得到第二通道轨道滤波图像。
第四步,对上述第三通道轨道灰度值图像进行滤波处理,得到第三通道轨道滤波图像。实践中,上述执行主体可以通过高斯滤波器对上述第三通道轨道灰度值图像进行高斯滤波处理,得到第三通道轨道滤波图像。
第五步,对上述第一通道轨道滤波图像、上述第二通道轨道滤波图像和上述第三通道轨道滤波图像分别进行图像对比度增强处理,得到第一通道轨道增强图像、第二通道轨道增强图像和第三通道轨道增强图像。实践中,上述执行主体可以分别增强上述第一通道轨道滤波图像、上述第二通道轨道滤波图像和上述第三通道轨道滤波图像的对比度,得到第一通道轨道增强图像、第二通道轨道增强图像和第三通道轨道增强图像。
第六步,将上述第一通道轨道增强图像、上述第二通道轨道增强图像和上述第三通道轨道增强图像进行合并处理,得到预处理后轨道图像。实践中,上述执行主体可以将上述第一通道轨道增强图像、上述第二通道轨道增强图像和上述第三通道轨道增强图像合并为一个图像,得到预处理后轨道图像。
第七步,从预设轨道模板图像集合中筛选出与上述预处理后轨道图像对应的预设轨道模板图像。其中,上述预设轨道模板图像集合中的各个预设轨道模板图像对应不同分段的待检测轨道图像。上述预设轨道模板图像集合中的每个预设轨道模板图像可以为预先拍摄的不存在故障的轨道图像。
第八步,根据上述预设轨道模板图像和上述预处理后轨道图像,确定至少一个轨道异常图像。其中,上述轨道异常图像可以为表征存在故障的图像。实践中,首先,上述执行主体可以将上述预设轨道模板图像和上述预处理后轨道图像分别进行等份分割,得到至少一个预设轨道模板分割图像和至少一个预处理后轨道分割图像。然后,上述执行主体可以确定至少一个预设轨道模板分割图像中每个预设轨道模板分割图像与上述至少一个预处理后轨道分割图像中对应上述预设轨道模板分割图像的预处理后轨道分割图像的相似度。之后,上述执行主体可以将确定的各个相似度中小于预设相似度阈值的相似度对应的预处理后轨道分割图像确定为轨道异常图像。
第九步,对于上述至少一个轨道异常图像中的每个轨道异常图像,将上述轨道异常图像输入至预先训练的轨道异常结果生成模型,得到轨道异常结果。其中,上述预先训练的轨道异常结果生成模型可以为以轨道异常图像为输入,以轨道异常结果为输出的机器学习模型。例如,上述预先训练的轨道异常结果生成模型可以为决策树模型或支持向量机模型。上述轨道异常结果可以表征上述目标轨道存在至少一处故障或上述目标轨道不存在故障。
第十步,将所得到的各个轨道异常结果确定为故障识别结果。
上述相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题四“未对采集的图像进行处理,造成图像的清晰度较低,导致识别轨道故障的准确率较低,更进一步导致轨道的安全性较低”。更进一步导致轨道的安全性较低的原因如下:未对采集的图像进行处理,造成图像的清晰度较低,导致识别轨道故障的准确率较低。如果解决了上述因素,就可以更进一步提高轨道的安全性。为了达到这一效果,本公开对上述轨道图像进行灰度转换处理,得到第一通道轨道灰度值图像、第二通道轨道灰度值图像和第三通道轨道灰度值图像;对上述第一通道轨道灰度值图像进行均值滤波处理,得到第一通道轨道滤波图像;对上述第二通道轨道灰度值图像进行非线性滤波处理,得到第二通道轨道滤波图像;对上述第三通道轨道灰度值图像进行高斯滤波处理,得到第三通道轨道滤波图像;对上述第一通道轨道滤波图像、上述第二通道轨道滤波图像和上述第三通道轨道滤波图像分别进行图像对比度增强处理,得到第一通道轨道增强图像、第二通道轨道增强图像和第三通道轨道增强图像;将上述第一通道轨道增强图像、上述第二通道轨道增强图像和上述第三通道轨道增强图像进行合并处理,得到预处理后轨道图像;从预设轨道模板图像集合中筛选出与上述预处理后轨道图像对应的预设轨道模板图像;根据上述预设轨道模板图像和上述预处理后轨道图像,确定上述预处理后轨道图像对应的至少一个轨道异常图像;对于上述至少一个轨道异常图像中的每个轨道异常图像,将上述轨道异常图像输入至预先训练的轨道异常结果生成模型,得到轨道异常结果;将所得到的各个轨道异常结果确定为故障识别结果。因为对采集的图像进行了进行灰度转换处理得到三个不同通道的灰度值图像,从而根据不同通道的图像的特点使用不同的算法进行滤波处理(例如,Red灰度值图像中各种噪声,大多是随机噪声,表现为灰度的突变,因此采用均值滤波器对其削弱噪声,以到达更好的检测效果的目的。Green通道灰度值图像存在着孤立的噪声,因此采用排序统计理论的非线性信号平滑算法对图像进行降噪和滤波,有效地抑制噪声),进而提高图像的质量,以提高后续识别缺陷的准确性,进而进一步提高识别缺陷的准确性。由此,可以更进一步提高轨道的安全性。
步骤203,响应于确定故障识别结果表征目标轨道存在至少一处故障,根据故障识别结果,确定对应轨道特征信息的至少一个轨道故障信息。
在一些实施例中,上述执行主体可以响应于确定上述故障识别结果表征上述目标轨道存在至少一处故障,根据上述故障识别结果,确定对应上述轨道特征信息的至少一个轨道故障信息。实践中,上述执行主体可以将上述故障识别结果表征的每个故障确定为对应上述轨道特征信息的轨道故障信息。作为示例,上述故障识别结果可以为“故障01”。上述“故障01”可以表征上述目标轨道的轨道变形。上述执行主体可以将“轨道变形”确定为对应上述轨道特征信息的轨道故障信息。
步骤204,根据至少一个轨道故障信息中的每个轨道故障信息,确定对应轨道故障信息的轨道故障类型信息。
在一些实施例中,上述执行主体可以根据上述至少一个轨道故障信息中的每个轨道故障信息,确定对应上述轨道故障信息的轨道故障类型信息。实践中,对于上述至少一个轨道故障信息中的每个轨道故障信息,上述执行主体可以将预设轨道故障类型配置信息集合中对应上述轨道故障信息的预设轨道故障类型配置信息包括的预设轨道故障类型信息确定为轨道故障类型信息。其中,上述预设轨道故障类型配置信息集合中的预设轨道故障类型配置信息可以为用于配置轨道故障类型的信息。上述预设轨道故障类型配置信息可以包括预设轨道故障信息和预设轨道故障类型信息。
步骤205,将所得到的至少一个轨道故障类型信息发送至相关联的终端设备。
在一些实施例中,上述执行主体可以将所得到的至少一个轨道故障类型信息发送至相关联的终端设备。其中,上述相关联的终端设备可以为与上述执行主体通信连接的终端。例如,上述终端设备可以为手机。
可选地,上述折叠式轨道巡检设备还可以包括超声波传感器。
可选地,上述执行主体还可以执行以下步骤:
第一步,通过上述超声波传感器采集对应上述目标轨道的回波轨道图像。实践中,上述执行主体可以将上述超声波传感器采集到的回波图像确定为回波轨道图像。
第二步,对上述回波轨道图像进行图像预处理,得到图像预处理后的回波轨道图像。实践中,上述图像预处理的方式可以包括但不限于以下至少一项:降噪处理方式、滤波处理方式和图像增强处理方式。
第三步,对上述图像预处理后的回波轨道图像进行特征提取处理,得到回波轨道图像特征信息。实践中,上述执行主体可以通过各种图像特征提取方法对上述图像预处理后的回波轨道图像进行特征提取处理,得到回波轨道图像特征信息。作为示例,上述执行主体可以通过Hough变换对上述图像预处理后的回波轨道图像进行特征提取处理,得到回波轨道图像特征信息。
第四步,根据预设轨道缺陷图像特征信息集合,对上述回波轨道图像特征信息进行匹配处理,得到匹配结果。其中,上述匹配结果可以表征上述目标轨道的内部不存在缺陷或上述目标轨道的内部存在至少一处缺陷。实践中,上述执行主体可以通过余弦相似度算法确定上述预设轨道缺陷图像特征信息集合中每个预设轨道缺陷图像特征信息与上述回波轨道图像特征信息的特征相似度。然后,上述执行主体可以将确定的各个特征相似度大于等于预设特征相似度阈值的特征相似度对应的预设轨道缺陷图像特征信息确定为目标轨道缺陷图像特征信息。最后,上述执行主体可以将各个目标轨道缺陷图像特征信息对应的各个预设轨道缺陷确定为匹配结果。
第五步,响应于确定上述匹配结果表征上述目标轨道存在至少一处缺陷,根据上述匹配结果,确定对应上述目标轨道的至少一个轨道缺陷区域。其中,上述轨道缺陷区域可以为上述回波轨道图像中表征存在缺陷的区域。例如,上述轨道缺陷区域可以通过各个坐标表示。实践中,响应于上述匹配结果包括至少一个预设轨道缺陷,首先,上述执行主体可以选出对应上述至少一个预设轨道缺陷中每个预设轨道缺陷的预先训练的轨道缺陷区域生成模型。然后,上述执行主体可以将上述回波轨道图像特征信息输入至每个预先训练的轨道缺陷区域生成模型,得到轨道缺陷区域。
第六步,根据至少一个轨道缺陷区域中的每个轨道缺陷区域,确定上述轨道缺陷区域对应的轨道缺陷位置信息和轨道缺陷尺寸信息。实践中,首先,上述执行主体可以将每个轨道缺陷区域表征的各个坐标确定为上述轨道缺陷区域对应的轨道缺陷位置信息。其次,上述执行主体可以将每个轨道缺陷区域对应的区域面积确定为上述轨道缺陷区域对应的轨道缺陷尺寸信息。
第七步,将所确定的各个轨道缺陷位置信息和各个轨道缺陷尺寸信息发送至上述终端设备。
由此,通过对超声波传感器采集的回波轨道图像进行缺陷识别,可以确定轨道的内部是否存在缺陷,从而在轨道内部存在缺陷时发送轨道缺陷位置信息和轨道缺陷尺寸至终端,以提醒工作人员进行维修,进而提高轨道安全性。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的轨道故障信息发送方法可以提高轨道安全性。具体来说,造成轨道安全性较低的原因在于:工作人员对故障的判断标准不一致,存在主观性,造成识别轨道故障的准确性较低。基于此,本公开的一些实施例的轨道故障信息发送方法包括通过上述摄像组件采集对应目标轨道的轨道图像;对上述轨道图像进行故障识别,得到对应上述轨道图像的故障识别结果;响应于确定上述故障识别结果表征上述目标轨道存在至少一处故障,根据上述故障识别结果,确定对应上述轨道特征信息的至少一个轨道故障信息;根据上述至少一个轨道故障信息中的每个轨道故障信息,确定对应上述轨道故障信息的轨道故障类型信息;将所得到的至少一个轨道故障类型信息发送至相关联的终端设备。因为通过上述折叠式轨道巡检设备对采集的轨道图像进行故障识别,继而在确定目标轨道存在故障时,确定轨道故障信息以及故障类型,并将故障类型发生至终端设备。而非直接将采集的轨道图像发送至终端以使工作人员识别,从而可以提高识别故障的准确性,进而提高轨道安全性。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种折叠式轨道巡检设备,其中,所述折叠式轨道巡检设备包括折叠式轨道巡检设备主体、折叠组件、驱动组件、负载组件、电源模组、数据处理组件和摄像组件,其中,所述折叠组件包括各个可伸缩杆组和各个可调节杆,所述各个可伸缩杆组中的每个可伸缩杆组包括的每个可伸缩杆的一端与所述折叠式轨道巡检设备主体连接;每两个相邻的可伸缩杆组之间连接有可调节杆,以实现每两个相邻的可伸缩杆组可调节地连接,在各个可调节杆伸长的过程中,每两个相邻的可伸缩杆组的角度增大,在各个可调节杆缩短的过程中,每两个相邻的可伸缩杆组的角度减小;所述驱动组件包括驱动电机和各个轨道行驶轮,所述各个轨道行驶轮均与所述驱动电机电连接,所述驱动电机用于对所述各个轨道行驶轮提供动力,以驱动所述各个轨道行驶轮移动,对于所述各个轨道行驶轮中的每个轨道行驶轮,所述轨道行驶轮与对应的可伸缩杆组包括的每个可伸缩杆的一端连接,以实现所述轨道行驶轮与所述折叠式轨道巡检设备主体的可调节连接;所述负载组件设置于所述折叠式轨道巡检设备主体的底部,所述负载组件用于承载物品;所述电源模组和所述数据处理组件均设置于所述折叠式轨道巡检设备主体的内部,所述驱动电机与所述数据处理组件通信连接,所述数据处理组件和所述驱动电机均与所述电源模组电连接,所述折叠式轨道巡检设备被配置成:
通过所述摄像组件采集对应目标轨道的轨道图像;
对所述轨道图像进行故障识别,得到对应所述轨道图像的故障识别结果,其中,所述对所述轨道图像进行故障识别,得到对应所述轨道图像的故障识别结果,包括:
对所述轨道图像进行转换处理,得到第一通道轨道灰度值图像、第二通道轨道灰度值图像和第三通道轨道灰度值图像;
对所述第一通道轨道灰度值图像进行均值滤波处理,得到第一通道轨道滤波图像;
对所述第二通道轨道灰度值图像进行非线性滤波处理,得到第二通道轨道滤波图像;
对所述第三通道轨道灰度值图像进行高斯滤波处理,得到第三通道轨道滤波图像;
对所述第一通道轨道滤波图像、所述第二通道轨道滤波图像和所述第三通道轨道滤波图像分别进行图像对比度增强处理,得到第一通道轨道增强图像、第二通道轨道增强图像和第三通道轨道增强图像;
将所述第一通道轨道增强图像、所述第二通道轨道增强图像和所述第三通道轨道增强图像进行合并处理,得到预处理后轨道图像;
从预设轨道模板图像集合中筛选出与所述轨道图像对应的预设轨道模板图像;
根据所述预设轨道模板图像和所述轨道图像,确定所述轨道图像对应的至少一个异常区域;
根据所述至少一个异常区域,对所述轨道图像进行分割处理,得到至少一个轨道异常图像;
对于所述至少一个轨道异常图像中的每个轨道异常图像,将所述轨道异常图像输入至预先训练的轨道异常结果生成模型,得到轨道异常结果;
将所得到的各个轨道异常结果确定为故障识别结果;
响应于确定所述故障识别结果表征所述目标轨道存在至少一处故障,根据所述故障识别结果,确定对应所述轨道图像的至少一个轨道故障信息;
根据所述至少一个轨道故障信息中的每个轨道故障信息,确定对应所述轨道故障信息的轨道故障类型信息;
将所得到的至少一个轨道故障类型信息发送至相关联的终端设备。
2.根据权利要求1所述的折叠式轨道巡检设备,其中,所述折叠式轨道巡检设备还包括传感器组件和通讯组件,所述传感器组件和所述通讯组件与所述数据处理组件通信连接,所述通讯组件设置于所述折叠式轨道巡检设备主体的内部,所述通讯组件用于传输数据,所述传感器组件用于检测轨道的各种数据。
3.根据权利要求2所述的折叠式轨道巡检设备,其中,所述传感器组件设置于所述各个轨道行驶轮中任一轨道行驶轮上,所述传感器组件包括以下至少一种:红外传感器、超声波传感器、激光雷达传感器和视频图像传感器。
4.根据权利要求1所述的折叠式轨道巡检设备,其中,所述摄像组件与所述数据处理组件通信连接,所述摄像组件位于所述折叠式轨道巡检设备主体的任意一侧。
5.根据权利要求1所述的折叠式轨道巡检设备,其中,所述电源模组与所述折叠式轨道巡检设备主体的连接方式为卡扣式连接。
6.根据权利要求1-5之一所述的折叠式轨道巡检设备,其中所述负载组件的结构为网状结构。
7.根据权利要求1所述的折叠式轨道巡检设备,其中,所述折叠式轨道巡检设备还包括超声波传感器;以及
所述折叠式轨道巡检设备还被配置成:
通过所述超声波传感器采集对应所述目标轨道的回波轨道图像;
对所述回波轨道图像进行图像预处理,得到图像预处理后的回波轨道图像;
对所述图像预处理后的回波轨道图像进行特征提取处理,得到回波轨道图像特征信息;
根据预设轨道缺陷图像特征信息集合,对所述回波轨道图像特征信息进行匹配处理,得到匹配结果;
响应于确定所述匹配结果表征所述目标轨道存在至少一处缺陷,根据所述匹配结果,确定对应所述目标轨道的至少一个轨道缺陷区域;
根据至少一个轨道缺陷区域中的每个轨道缺陷区域,确定所述轨道缺陷区域对应的轨道缺陷位置信息和轨道缺陷尺寸信息;
将所确定的各个轨道缺陷位置信息和各个轨道缺陷尺寸信息发送至所述终端设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041623.9A CN117002544B (zh) | 2023-08-17 | 2023-08-17 | 折叠式轨道巡检设备和轨道故障信息发送方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311041623.9A CN117002544B (zh) | 2023-08-17 | 2023-08-17 | 折叠式轨道巡检设备和轨道故障信息发送方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117002544A CN117002544A (zh) | 2023-11-07 |
CN117002544B true CN117002544B (zh) | 2024-04-12 |
Family
ID=88572648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311041623.9A Active CN117002544B (zh) | 2023-08-17 | 2023-08-17 | 折叠式轨道巡检设备和轨道故障信息发送方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117002544B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108313088A (zh) * | 2018-02-22 | 2018-07-24 | 中车长春轨道客车股份有限公司 | 一种非接触式轨道车辆障碍物检测系统 |
CN111024728A (zh) * | 2019-12-26 | 2020-04-17 | 江西交通职业技术学院 | 一种基于计算机视觉与超声波探伤的铁路检测方法和系统 |
CN215922182U (zh) * | 2021-10-20 | 2022-03-01 | 南京擎华信息科技有限公司 | 一种铁路轨道巡检机器人 |
CN114514158A (zh) * | 2019-09-05 | 2022-05-17 | 丹尼尔·J·施耐德 | 改进的联运系统 |
CN114740086A (zh) * | 2022-03-03 | 2022-07-12 | 淮北矿业股份有限公司 | 一种单轨吊轨道缺陷检测方法 |
CN116215603A (zh) * | 2023-01-12 | 2023-06-06 | 上海应用技术大学 | 一种分布式轨道检测小车 |
CN116539723A (zh) * | 2023-05-09 | 2023-08-04 | 山东交通学院 | 一种铁路轨道伤损检测方法及系统 |
-
2023
- 2023-08-17 CN CN202311041623.9A patent/CN117002544B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108313088A (zh) * | 2018-02-22 | 2018-07-24 | 中车长春轨道客车股份有限公司 | 一种非接触式轨道车辆障碍物检测系统 |
CN114514158A (zh) * | 2019-09-05 | 2022-05-17 | 丹尼尔·J·施耐德 | 改进的联运系统 |
CN111024728A (zh) * | 2019-12-26 | 2020-04-17 | 江西交通职业技术学院 | 一种基于计算机视觉与超声波探伤的铁路检测方法和系统 |
CN215922182U (zh) * | 2021-10-20 | 2022-03-01 | 南京擎华信息科技有限公司 | 一种铁路轨道巡检机器人 |
CN114740086A (zh) * | 2022-03-03 | 2022-07-12 | 淮北矿业股份有限公司 | 一种单轨吊轨道缺陷检测方法 |
CN116215603A (zh) * | 2023-01-12 | 2023-06-06 | 上海应用技术大学 | 一种分布式轨道检测小车 |
CN116539723A (zh) * | 2023-05-09 | 2023-08-04 | 山东交通学院 | 一种铁路轨道伤损检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117002544A (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886298B (zh) | 一种基于卷积神经网络的焊缝质量检测方法 | |
CN110261436B (zh) | 基于红外热成像和计算机视觉的轨道故障检测方法及系统 | |
US10269138B2 (en) | UAV inspection method for power line based on human visual system | |
WO2020199538A1 (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
CN103196372B (zh) | 一种电气化铁路接触网支持装置的光学成像检测方法 | |
KR20210157000A (ko) | 차량 하부 검사 시스템 및 그 방법 | |
JP6737638B2 (ja) | 鉄道車両の外観検査装置 | |
CN106934813A (zh) | 一种基于视觉定位的工业机器人工件抓取实现方法 | |
CN110222648A (zh) | 一种架空电缆故障识别方法和装置 | |
KR20190024447A (ko) | 실시간 선로 결함 검측 시스템 | |
CN113592814A (zh) | 新能源动力电池安全防爆阀激光焊接表面缺陷检测方法 | |
JP2016053531A (ja) | 車両検査システム | |
CN117002544B (zh) | 折叠式轨道巡检设备和轨道故障信息发送方法 | |
CN103049762A (zh) | 一种用于检测心盘螺栓丢失故障的方法和装置 | |
CN112508911A (zh) | 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测系统及其检测方法 | |
CN111523386B (zh) | 一种基于机器视觉的高速铁路站台门监测防护方法及系统 | |
CN118506299A (zh) | 一种轨道列车的车体异常检测方法、设备及存储介质 | |
CN206550522U (zh) | 一种轮焊焊接闭环控制生产系统 | |
Dube et al. | Cost effective railway track fault detection using image processing | |
CN107832696B (zh) | 一种电力作业现场物体安全特征识别系统 | |
CN110610136A (zh) | 一种基于深度学习的变电站设备识别模块及识别方法 | |
CN115953387A (zh) | 一种基于深度学习的射线图像焊缝缺陷检测方法 | |
CN113012115B (zh) | 一种螺栓立体成像检测系统及方法 | |
JP7331311B2 (ja) | 画像検査装置及び画像検査プログラム | |
CN114735044A (zh) | 智能轨道车辆巡检机器人 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |