CN117705720A - 一种双块式轨枕外观尺寸及缺陷同步快速检测系统 - Google Patents

Abstract

本发明公开了一种双块式轨枕外观尺寸及缺陷同步快速检测系统，用于实现轨枕成品外观尺寸的自动化检测，包括：数据采集模块、动力模块、机器视觉检测系统模块以及辅助设备。本发明不仅包括图像处理技术、光源照明技术，还涵盖了光学摄像技术、智能控制技术、传感器技术，本发明提供一种非接触式检测，不会损坏检测对象，因此被广泛用于检测要求较高的目标，与人工检测相比较，可更大程度地减轻工人的工作强度，减少工人因视觉疲劳造成的误差，提高了检测精度与效率。

Description

一种双块式轨枕外观尺寸及缺陷同步快速检测系统

技术领域

本发明涉及一种轨枕外观尺寸检测技术领域，具体是一种双块式轨枕外观尺寸及缺陷同步快速检测系统。

背景技术

交通强国，铁路先行。近几年，作为中国式发展样本的铁路建设实现了突飞猛进的发展，随着铁路建设的需求的爆发性增长，铁路建设过程中的轨枕预制构件生产压力剧增，轨枕预制厂日均产量达1000根左右。

而轨枕生产过程中，对其成品的尺寸、缺陷的检测是必不可少的环节，传统检测方式为人工检测，或基于工业相机的检测，或基于三维扫描的检测。其中人工检测无法对轨枕成品进行全检，且检测效率低，成本高，检测结果受人为因素影响大，无法适应轨枕生产智能流水线；基于工业相机的检测，只能对轨枕上表面缺陷或者尺寸进行检测，无法对轨枕立面检测，且该方法检测精度受软件算法影响较大，对光环境要求高，实用性、可靠性差；基于三维扫描的检测，虽然可以对轨枕成品的各个方向进行扫描检测，但一方面检测精度有限，另一方面无法进行缺陷检测，因此也无法批量应用于实际项目中。

发明内容

本发明的目的在于提供一种双块式轨枕外观尺寸及缺陷同步快速检测系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种双块式轨枕外观尺寸及缺陷同步快速检测系统，用于实现轨枕成品外观尺寸的自动化检测，包括：数据采集模块、动力模块、机器视觉检测系统模块以及辅助设备；

数据采集模块：负责目标物体的图像数据以及三维空间坐标数据的采集，通过对检测环境的模拟，结合3D双目智能相机性能、轨枕外形尺寸极限偏差和外观质量的检测内容及精度要求，拟采用4套3D双目智能相机对轨枕进行数据采集，每套3D双目智能相机负责一根轨枕的数据采集，3D双目智能相机距离目标轨枕上表面1m，3D双目智能相机需沿着轨枕长度方向进行扫描拍照，最终完成整个轨枕上表面的图像数据以及整个轨枕的三维空间点云数据的采集；

动力模块：3D双目智能相机在保持检测精度的情况下，需要接近被检测物体，需要3D双目智能相机沿轨枕长度方向进行运动，持续对轨枕进行扫描拍照，因此需要动力模块驱动3D双目智能相机进行运动；

机器视觉检测系统模块：由检测系统及数据服务器组成，根据检测数据量及检测时效的因素，采用2套数据服务器来实现检测需求，检测系统由数据采集控制模块、缺陷识别算法、尺寸识别算法以及数据分析报警模块组成，具体内容如下：

数据采集控制模块：负责传感器的型号传输、控制3D双目智能相机的运动、数据采集、数据的传输、数据的存储、辅助设备的自动开启、关闭，从而实现整个自动化检测系统的自动化、少人化、智能化；

缺陷识别算法：负责轨枕表面质量缺陷的检测，基于人工智能图像识别算法、深度学习图像识别算法，将大量的轨枕凝土表面气孔、粘皮、麻面、掉角、裂缝的图像输入到模型中，并利用训练数据对模型进行反复迭代和优化，逐步建立模型对于不同轨枕图像的识别和判断能力，当模型训练完成后，它就可以准确判断新输入的图像中，轨枕的外观质量缺陷，并给出相应的输出；

尺寸识别算法：负责轨枕外观尺寸检测，对3D双目智能相机进行标定并获取轨枕图像之后，对轨枕图像进行去噪、边缘检测的预处理，通过最小外接矩形定位轨枕并进行固定点匹配，使用最小二乘法实现对特征点的三维空间数据采集，最终实现对轨枕表面高精度三维模型的重建，通过高精度三维模型，尺寸识别算法自动识别轨枕表面各检测尺寸；

数据分析报警模块：负责检测结果的输出及预警，通过可视化交互界面及预置检测报告模板，自动生产轨枕外观质量、外观尺寸检测报告，当出现不符合规范标准要求的轨枕时，实现自动报警，并向相关管理人员推送检测结果；

辅助设备：由检测工位封闭模块、光源、传感器、相机支架组成，具体内容如下：

检测工位封闭模块：是给自动化检测系统提供一个安全、无尘、光源稳定的工作环境，由于视觉识别检测对光源的要求比较高，因此给自动化检测系统提供一个稳定的光环境是提高识别精度的重要一环，除此之外，自动化检测系统中3D双目智能相机、驱动模块都是高精密仪器，因此要将整个自动化检测系统封闭起来，提供一个安全、无尘的环境；

光源：是给自动化检测系统提供所需要的光环境；

传感器：是自动识别轨枕在检测工位上的状态，将状态实时传递给自动化检测系统，实现自动化检测系统运行、停止的自动化操作。

作为本发明进一步的方案：图像数据用来分析轨枕上表面外观质量缺陷，包括：混凝土表面气孔、粘皮、麻面、掉角、裂缝，三维空间点云数据用来形成轨枕三维空间模型，从而检测轨枕各尺寸信息，包括：双块轨枕长度、宽度、两相邻套管中心距尺寸信息。

作为本发明进一步的方案：动力模块由4套伺服电机、滚珠丝杠、PLC控制模块组成，滚珠丝杠由螺杆、螺母和滚珠组成，其功能是将旋转运动转化为直线运动，滚珠丝杠不仅具有高精度、高承载能力和长寿命的优势，而且具有稳定性好、可靠性高和反应速度快的特点，PLC控制模块负责控制3D双目智能相机的运动，包括开始、停止、运动速度参数，配合自动化检测系统进行数据采集。

作为本发明进一步的方案：3D双目智能相机通过将双目结构光线扫描相机和工业相机结合而形成，既能实现对轨枕成品尺寸的检测，又能实现对轨枕成品外观缺陷的检测，且测量精度高、视野宽、抗强光、数据采集速度快，实现了轨枕全参数、自动化、智能化检测。

作为本发明进一步的方案：为适应3D双目智能相机以及轨枕生产线节拍要求，节省数据传输时间、提高数据传输可靠性，在数据采集模块研发了一种新的传输方法，包括以下步骤：

步骤一：首先分析各个硬件所产生的数据类型、数据特征、数据产生的速率参数，对参数进行分类整理，根据参数，通过神经网络算法对数据进行识别，然后对数据进行标记，实现在采集源头，对数据进行分类整理；

步骤二：其次在数据传输过程中，根据数据的标记结果与数据处理的优先性，选择不同的信号通道，对数据进行传输；

步骤三：然后根据数据特征及不同的数据处理算法特点，对数据进行分区存储与备份，优先级高的数据优先提取，优先发送；

步骤四：最后分析不同时间段内数据传输的体量、节拍参数，对不同时间段内数据采集进行综合协调与优化，保证数据采集的准确、及时、稳定。

作为本发明进一步的方案：缺陷识别算法，内容包括：

对提前采集的大量轨枕混凝土表面缺陷图像进行预处理，对检测区域进行标定，提取不同缺陷的特征图，对特征图进行分类、归纳及整理；

根据采集相机的相关参数，对特征图进行形变处理，保证待识别图像的工整性，提高算法识别准确性；

接着对特征图像进行像素分割处理，将目标图像分割成4-16个部分，对每个部分进行特征判断，得到每个部分的响应图；

通过卷积运算，训练并优化轨枕缺陷卷积神经网络模型，不断提高算法的准确性；

在模型训练过程中通过反向传播算法，最小化缺陷识别误差，并不断调整和迭代算法模型参数，然后将训练好的模型用轻量化算法进行压缩，形成最终的特定于轨枕缺陷检测的模型算法。

作为本发明再进一步的方案：尺寸识别算法，内容包括：

首先在数据采集端，在3D双目智能相机内嵌入数据采集控制模块，预先将轨枕轮廓载入控制模块，对整个轨枕进行不同精细度的数据采集，在需要做尺寸检测的轮廓区域，点云密度尽可能大，且对轨枕轮廓周围的数据进行与标记，在不需要进行尺寸检测的区域内，点云密度尽可能小，除此之外，对轨枕轮廓外的点云数据进行有效的隔离，通过此种方法，即节省了数据采集时间，又保证了数据的传输效率，更重要的是减轻了下一阶段数据处理的压力，从源头上，提升了算法的运算效率；

然后对采集到的数据进行均匀网格法进行采样，实现直接读入内存以进行下一阶段操作，实现轨枕点云数据的空间分析及可视化；

最后采用近邻算法获取轨枕轮廓周围各个邻近点的三维坐标，将数据拟合成一个平面，采用欧式距离计算方式，迭代计算寻找邻域内的目标点，根据计算点集到点集的马氏距离进行迭代优化，当采集的尺寸数据相对于大型公开数据集较少时，采用数据增强方式以增加实际进行训练的点云数目，从而得到目标尺寸数据，实现轨枕成品尺寸的检测。

与现有技术相比，本发明的有益效果是：

本发明不仅包括图像处理技术、光源照明技术，还涵盖了光学摄像技术、智能控制技术、传感器技术。本发明提供一种非接触式检测，不会损坏检测对象，因此被广泛用于检测要求较高的目标，与人工检测相比较，可更大程度地减轻工人的工作强度，减少工人因视觉疲劳造成的误差，提高了检测精度与效率。本发明实现了轨枕的尺寸测量、完整性检测和表面质量检测。尺寸测量是对被测物体的实际尺寸是否符合规定标准的定量测量。完整性检测和表面质量检测是定性检测。表面质量检测是为了保证产品质量，将产品外观缺陷检查出来，判断瑕疵异物是否符合标准。在智能制造行业，本发明代替人工对工件的长度、厚度、直径等方面的测量，可以记录检测数据并分析，具有对生产线产品实时判断和分类的优势，具有重要的经济价值和实用价值。

附图说明

图1为双块式轨枕外观尺寸及缺陷同步快速检测系统的系统框图。

图2为双块式轨枕外观尺寸及缺陷同步快速检测系统的实际工作场景示意图。

具体实施方式

以下将参考附图详细说明本申请的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本申请，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本申请同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件未作详细描述，以便于凸显本申请的主旨。

请参阅图1-2，一种双块式轨枕外观尺寸及缺陷同步快速检测系统，用于实现轨枕成品外观尺寸的自动化检测，包括：数据采集模块、动力模块、机器视觉检测系统模块以及辅助设备；

数据采集模块：负责目标物体的图像数据以及三维空间坐标数据的采集，通过对检测环境的模拟，结合3D双目智能相机性能、轨枕外形尺寸极限偏差和外观质量的检测内容及精度要求，拟采用4套3D双目智能相机对轨枕进行数据采集，每套3D双目智能相机负责一根轨枕的数据采集，3D双目智能相机距离目标轨枕上表面1m，3D双目智能相机需沿着轨枕长度方向进行扫描拍照，最终完成整个轨枕上表面的图像数据以及整个轨枕的三维空间点云数据的采集，图像数据用来分析轨枕上表面外观质量缺陷，包括：混凝土表面气孔、粘皮、麻面、掉角、裂缝，三维空间点云数据用来形成轨枕三维空间模型，从而检测轨枕各尺寸信息，包括：双块轨枕长度、宽度、两相邻套管中心距尺寸信息；

动力模块：3D双目智能相机在保持检测精度的情况下，需要接近被检测物体，需要3D双目智能相机沿轨枕长度方向进行运动，持续对轨枕进行扫描拍照，因此需要动力模块驱动3D双目智能相机进行运动，动力模块由4套伺服电机、滚珠丝杠、PLC控制模块组成，滚珠丝杠由螺杆、螺母和滚珠组成，其功能是将旋转运动转化为直线运动，滚珠丝杠不仅具有高精度、高承载能力和长寿命的优势，而且具有稳定性好、可靠性高和反应速度快的特点，PLC控制模块负责控制3D双目智能相机的运动，包括开始、停止、运动速度参数，配合自动化检测系统进行数据采集；3D双目智能相机通过将双目结构光线扫描相机和工业相机结合而形成，既能实现对轨枕成品尺寸的检测，又能实现对轨枕成品外观缺陷的检测，且测量精度高、视野宽、抗强光、数据采集速度快，实现了轨枕全参数、自动化、智能化检测，3D双目智能相机是模仿人眼视觉系统获取视线范围内物体信息的一种设备，其主要原理是通过相机上安装的两个相机镜头从不同角度对相机视野范围内的同一物体进行拍摄，在各自镜头上会产生不同的物体影像，通过两个物像间的视觉差，结合三角形测距原理能够计算出拍摄的目标物体与双目相机之间的距离；

通过双目立体视觉系统获取物体三维空间坐标，可对物体轮廓进行高精度三维模型重建，并与标准化三维模型进行对比，可进行定位、缺陷检测、尺寸测量等多方面功能应用。

为适应3D双目智能相机以及轨枕生产线节拍要求，节省数据传输时间、提高数据传输可靠性，在数据采集模块研发了一种新的传输方法，包括以下步骤：

步骤一：首先分析各个硬件所产生的数据类型、数据特征、数据产生的速率参数，对参数进行分类整理，根据参数，通过神经网络算法对数据进行识别，然后对数据进行标记，实现在采集源头，对数据进行分类整理；

步骤二：其次在数据传输过程中，根据数据的标记结果与数据处理的优先性，选择不同的信号通道，对数据进行传输；

步骤三：然后根据数据特征及不同的数据处理算法特点，对数据进行分区存储与备份，优先级高的数据优先提取，优先发送；

步骤四：最后分析不同时间段内数据传输的体量、节拍参数，对不同时间段内数据采集进行综合协调与优化，保证数据采集的准确、及时、稳定。

机器视觉检测系统模块：由检测系统及数据服务器组成，根据检测数据量及检测时效的因素，采用2套数据服务器来实现检测需求，检测系统由数据采集控制模块、缺陷识别算法、尺寸识别算法以及数据分析报警模块组成，具体内容如下：

数据采集控制模块：负责传感器的型号传输、控制3D双目智能相机的运动、数据采集、数据的传输、数据的存储、辅助设备的自动开启、关闭，从而实现整个自动化检测系统的自动化、少人化、智能化；

缺陷识别算法：负责轨枕表面质量缺陷的检测，基于人工智能图像识别算法、深度学习图像识别算法，将大量的轨枕凝土表面气孔、粘皮、麻面、掉角、裂缝的图像输入到模型中，并利用训练数据对模型进行反复迭代和优化，逐步建立模型对于不同轨枕图像的识别和判断能力，当模型训练完成后，它就可以准确判断新输入的图像中，轨枕的外观质量缺陷，并给出相应的输出；

尺寸识别算法：负责轨枕外观尺寸检测，对3D双目智能相机进行标定并获取轨枕图像之后，对轨枕图像进行去噪、边缘检测的预处理，通过最小外接矩形定位轨枕并进行固定点匹配，使用最小二乘法实现对特征点的三维空间数据采集，最终实现对轨枕表面高精度三维模型的重建，通过高精度三维模型，尺寸识别算法自动识别轨枕表面各检测尺寸；

数据分析报警模块：负责检测结果的输出及预警，通过可视化交互界面及预置检测报告模板，自动生产轨枕外观质量、外观尺寸检测报告，当出现不符合规范标准要求的轨枕时，实现自动报警，并向相关管理人员推送检测结果；

缺陷识别算法，内容包括：

对提前采集的大量轨枕混凝土表面缺陷图像进行预处理，对检测区域进行标定，提取不同缺陷的特征图，对特征图进行分类、归纳及整理；

根据采集相机的相关参数，对特征图进行形变处理，保证待识别图像的工整性，提高算法识别准确性；

接着对特征图像进行像素分割处理，将目标图像分割成4-16个部分，对每个部分进行特征判断，得到每个部分的响应图；

通过卷积运算，训练并优化轨枕缺陷卷积神经网络模型，不断提高算法的准确性；

在模型训练过程中通过反向传播算法，最小化缺陷识别误差，并不断调整和迭代算法模型参数，然后将训练好的模型用轻量化算法进行压缩，形成最终的特定于轨枕缺陷检测的模型算法。

以往轨枕缺陷自动检测均采用传统的缺陷图像识别算法，而此类算法对光环境要求较高，缺陷识别的准确度，很大程度上取决于光照的好坏，而轨枕预制车间，由于识别物体大，车间环境差，因此无法提供质量较高的轨枕图像数据，因此在实际检测过程中，传统缺陷检测方式存在检测效率低、识别率低、准确性差、可靠性差等问题，本发明基于卷积神经网络，研发了一种特定于轨枕缺陷检测的模型算法，缺陷识别算法，通过该算法，实现轨枕混凝土表面裂纹、气泡、蜂窝、麻面等缺陷的识别，该算法识别准确率高，速度快，而且基于3D双目智能相机，能准确定位缺陷位置。

由于本发明采用3D双目智能相机进行轨枕成品尺寸进行检测，因此需要特定的尺寸识别算法来实现轨枕尺寸的快速、准确、完整检测，本发明研发了一种新的点云印记耦合算法，内容包括：

首先在数据采集端，在3D双目智能相机内嵌入数据采集控制模块，预先将轨枕轮廓载入控制模块，对整个轨枕进行不同精细度的数据采集，在需要做尺寸检测的轮廓区域，点云密度尽可能大，且对轨枕轮廓周围的数据进行与标记，在不需要进行尺寸检测的区域内，点云密度尽可能小，除此之外，对轨枕轮廓外的点云数据进行有效的隔离，通过此种方法，即节省了数据采集时间，有保证了数据的传输效率，更重要的是减轻了下一阶段数据处理的压力，从源头上，提升了算法的运算效率；

然后对采集到的数据进行均匀网格法进行采样，实现直接读入内存以进行下一阶段操作，实现轨枕点云数据的空间分析及可视化；

最后采用近邻算法获取轨枕轮廓周围各个邻近点的三维坐标，将数据拟合成一个平面，采用欧式距离计算方式，迭代计算寻找邻域内的目标点，根据计算点集到点集的马氏距离进行迭代优化，当采集的尺寸数据相对于大型公开数据集较少时，采用数据增强方式以增加实际进行训练的点云数目，从而得到目标尺寸数据，实现轨枕成品尺寸的检测；

辅助设备：由检测工位封闭模块、光源、传感器、相机支架组成，具体内容如下：

检测工位封闭模块：是给自动化检测系统提供一个安全、无尘、光源稳定的工作环境，由于视觉识别检测对光源的要求比较高，因此给自动化检测系统提供一个稳定的光环境是提高识别精度的重要一环，除此之外，自动化检测系统中3D双目智能相机、驱动模块都是高精密仪器，因此要将整个自动化检测系统封闭起来，提供一个安全、无尘的环境；

光源：是给自动化检测系统提供所需要的光环境；

传感器：是自动识别轨枕在检测工位上的状态，将状态实时传递给自动化检测系统，实现自动化检测系统运行、停止的自动化操作。

工作原理：当混凝土轨枕通过输送线进入检测工位后，安装在一侧的位置探测传感器会即发出到位信号，系统会从待检测状态自动进入检测状态，同时辅助光源开启，3D双目智能相机开始对轨枕进行实时扫描，系统对扫描所得图像进行一系列综合算法处理、分析，判断，进而得出测量结果并给出对应信号，当检测完毕后，系统即从检测状态转为待检测状态，等待下一批次的检测。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种双块式轨枕外观尺寸及缺陷同步快速检测系统，用于实现轨枕成品外观尺寸的自动化检测，其特征在于，包括：数据采集模块、动力模块、机器视觉检测系统模块以及辅助设备；

数据采集模块：负责目标物体的图像数据以及三维空间坐标数据的采集；

动力模块：3D双目智能相机在保持检测精度的情况下，需要接近被检测物体，需要3D双目智能相机沿轨枕长度方向进行运动，持续对轨枕进行扫描拍照，因此需要动力模块驱动3D双目智能相机进行运动；

机器视觉检测系统模块：由检测系统及数据服务器组成，根据检测数据量及检测时效的因素，采用2套数据服务器来实现检测需求，检测系统由数据采集控制模块、缺陷识别算法、尺寸识别算法以及数据分析报警模块组成；

辅助设备：由检测工位封闭模块、光源、传感器、相机支架组成。

2.根据权利要求1所述的双块式轨枕外观尺寸及缺陷同步快速检测系统，其特征在于，所述数据采集控制模块：负责传感器的型号传输、控制3D双目智能相机的运动、数据采集、数据的传输、数据的存储、辅助设备的自动开启、关闭；

缺陷识别算法：负责轨枕表面质量缺陷的检测，基于人工智能图像识别算法、深度学习图像识别算法，将大量的轨枕凝土表面气孔、粘皮、麻面、掉角、裂缝的图像输入到模型中，并利用训练数据对模型进行反复迭代和优化，逐步建立模型对于不同轨枕图像的识别和判断能力，当模型训练完成后，它就可以准确判断新输入的图像中，轨枕的外观质量缺陷，并给出相应的输出；

尺寸识别算法：负责轨枕外观尺寸检测，对3D双目智能相机进行标定并获取轨枕图像之后，对轨枕图像进行去噪、边缘检测的预处理，通过最小外接矩形定位轨枕并进行固定点匹配，使用最小二乘法实现对特征点的三维空间数据采集，最终实现对轨枕表面高精度三维模型的重建，通过高精度三维模型，尺寸识别算法自动识别轨枕表面各检测尺寸；

数据分析报警模块：负责检测结果的输出及预警，通过可视化交互界面及预置检测报告模板，自动生产轨枕外观质量、外观尺寸检测报告，当出现不符合规范标准要求的轨枕时，实现自动报警，并向相关管理人员推送检测结果。

3.根据权利要求1所述的双块式轨枕外观尺寸及缺陷同步快速检测系统，其特征在于，所述检测工位封闭模块：是给自动化检测系统提供一个安全、无尘、光源稳定的工作环境；

光源：是给自动化检测系统提供所需要的光环境；

传感器：是自动识别轨枕在检测工位上的状态，将状态实时传递给自动化检测系统，实现自动化检测系统运行、停止的自动化操作。

4.根据权利要求1所述的双块式轨枕外观尺寸及缺陷同步快速检测系统，其特征在于，图像数据用来分析轨枕上表面外观质量缺陷，包括：混凝土表面气孔、粘皮、麻面、掉角、裂缝，三维空间点云数据用来形成轨枕三维空间模型，从而检测轨枕各尺寸信息，包括：双块轨枕长度、宽度、两相邻套管中心距尺寸信息。

5.根据权利要求1所述的双块式轨枕外观尺寸及缺陷同步快速检测系统，其特征在于，动力模块由4套伺服电机、滚珠丝杠、PLC控制模块组成，滚珠丝杠由螺杆、螺母和滚珠组成，其功能是将旋转运动转化为直线运动，PLC控制模块负责控制3D双目智能相机的运动，包括开始、停止、运动速度参数，配合自动化检测系统进行数据采集。

6.根据权利要求5所述的双块式轨枕外观尺寸及缺陷同步快速检测系统，其特征在于，为适应3D双目智能相机以及轨枕生产线节拍要求，节省数据传输时间、提高数据传输可靠性，在数据采集模块研发了一种新的传输方法，包括以下步骤：

步骤一：首先分析各个硬件所产生的数据类型、数据特征、数据产生的速率参数，对参数进行分类整理，根据参数，通过神经网络算法对数据进行识别，然后对数据进行标记，实现在采集源头，对数据进行分类整理；

步骤二：其次在数据传输过程中，根据数据的标记结果与数据处理的优先性，选择不同的信号通道，对数据进行传输；

步骤三：然后根据数据特征及不同的数据处理算法特点，对数据进行分区存储与备份，优先级高的数据优先提取，优先发送；

步骤四：最后分析不同时间段内数据传输的体量、节拍参数，对不同时间段内数据采集进行综合协调与优化。