JP7068956B2 - Rail inspection method - Google Patents

Rail inspection method Download PDF

Info

Publication number
JP7068956B2
JP7068956B2 JP2018143159A JP2018143159A JP7068956B2 JP 7068956 B2 JP7068956 B2 JP 7068956B2 JP 2018143159 A JP2018143159 A JP 2018143159A JP 2018143159 A JP2018143159 A JP 2018143159A JP 7068956 B2 JP7068956 B2 JP 7068956B2
Authority
JP
Japan
Prior art keywords
rail
graph
image data
luminance value
value
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
Application number
JP2018143159A
Other languages
Japanese (ja)
Other versions
JP2020020125A (en
Inventor
翔介 廣畑
崇史 木戸
瑛憲 臼井
美貴 中村
隆介 中村
大介 中村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East Japan Railway Co
Original Assignee
East Japan Railway Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by East Japan Railway Co filed Critical East Japan Railway Co
Priority to JP2018143159A priority Critical patent/JP7068956B2/en
Publication of JP2020020125A publication Critical patent/JP2020020125A/en
Application granted granted Critical
Publication of JP7068956B2 publication Critical patent/JP7068956B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Machines For Laying And Maintaining Railways (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Description

本発明は、レールに生じた傷の大きさに基づいてレールの異常を検出するレール検査方法に関する。 The present invention relates to a rail inspection method for detecting an abnormality in a rail based on the size of a scratch on the rail.

従来、鉄道線路の異常検出に先立って、予め線路を撮像した基準画像を準備しておき、その後の検査の際に線路を撮像した検査用画像と基準画像とを比較することで、その画像の差異からレールに生じた傷などの異常を検出するようにした技術が知られている（例えば、特許文献１参照。）。 Conventionally, a reference image of an image of a railroad track is prepared in advance prior to detection of an abnormality in the railroad track, and the inspection image of the track is compared with the reference image during the subsequent inspection to obtain the image. A technique for detecting an abnormality such as a scratch on a rail from a difference is known (see, for example, Patent Document 1).

特開平３－２５０１０３号公報Japanese Unexamined Patent Publication No. 3-250103

しかしながら、上記特許文献１の技術の場合、レールに生じた傷の有無を検知することはできるが、その傷の大きさの程度については検知することができなかった。
つまり、上記特許文献１の技術では、検知した傷が補修・改修すべき大きさの傷であるか、まだ補修・改修の必要がない程度の傷であるか判断ができないので、検知した傷の大きさの程度は作業員が目視により確認しなければならず、煩雑であった。 However, in the case of the technique of Patent Document 1, it is possible to detect the presence or absence of scratches on the rail, but it is not possible to detect the degree of the scratches.
That is, with the technique of Patent Document 1, it is not possible to determine whether the detected scratch is a scratch of a size that should be repaired / repaired or a scratch that does not need to be repaired / repaired yet. The degree of size had to be visually confirmed by the worker, which was complicated.

本発明の目的は、レールに生じた傷の大きさに基づいてレールの異常を検出することができるレール検査方法を提供することである。 An object of the present invention is to provide a rail inspection method capable of detecting an abnormality of a rail based on the size of a scratch generated on the rail.

上記目的を達成するため、本出願に係るレール検査方法は、
レール上を走行する車両に搭載されている撮像装置によって撮像された、前記レールの各位置の画像データを取得する工程と、
前記レールの画像データからレール頭頂部の範囲を切り出すように頭頂部画像データを抽出する工程と、
前記頭頂部画像データに基づき、前記レールの各位置の輝度値と、その輝度値の移動中央値を算出する工程と、
前記レールの各位置の前記輝度値と前記移動中央値の差分を算出する工程と、
前記差分の値が所定の閾値を超えた箇所をレール傷箇所として検出する工程と、
前記レール傷箇所における前記輝度値と前記移動中央値とに基づいて仮想傷面積を算出する工程と、
前記仮想傷面積に基づき、前記レールに異常があるか否か判断する工程と、
を備えるようにした。 In order to achieve the above objectives, the rail inspection method according to this application is
The process of acquiring image data of each position of the rail captured by an image pickup device mounted on a vehicle traveling on the rail, and
A step of extracting the top image data of the rail so as to cut out the range of the top of the rail from the image data of the rail, and
A step of calculating the luminance value of each position of the rail and the moving median of the luminance value based on the crown image data, and
The step of calculating the difference between the luminance value and the moving median at each position of the rail, and
A step of detecting a portion where the difference value exceeds a predetermined threshold value as a rail scratched portion, and
A step of calculating a virtual scratch area based on the luminance value and the moving median value at the rail scratch location, and
A process of determining whether or not there is an abnormality in the rail based on the virtual scratch area, and
I tried to prepare.

このようなレール検査方法であれば、レール上を走行する車両に搭載されている撮像装置によって撮像したレールの画像データに基づき、レールに異常があるか否か判断することができるので、作業員がレールに沿って目視点検する煩雑な作業の回数を低減することができる。
ここでは、レール傷箇所における輝度値と移動中央値とに基づき、ＭＡＰＥなどの誤差評価関数によって、輝度値と移動中央値との差分を累積するようにして仮想傷面積を求めることができる。
その仮想傷面積の大きさが実際のレール傷の大きさと関連しているものとすることで、レールに生じた傷の大きさに基づきレールの異常を検出することができる。 With such a rail inspection method, it is possible to determine whether or not there is an abnormality in the rail based on the image data of the rail captured by the image pickup device mounted on the vehicle traveling on the rail. However, it is possible to reduce the number of complicated operations for visually inspecting along the rail.
Here, the virtual scratch area can be obtained by accumulating the difference between the luminance value and the median movement by an error evaluation function such as MAPE based on the luminance value and the median movement at the rail scratched portion.
By assuming that the size of the virtual scratch area is related to the size of the actual rail scratch, it is possible to detect the abnormality of the rail based on the size of the scratch generated on the rail.

また、望ましくは、
前記頭頂部画像データに基づき、前記レールの各位置に対応する輝度値のグラフと、その輝度値の移動中央値のグラフを作成する工程を備え、
前記レール傷箇所における前記輝度値のグラフと前記移動中央値のグラフとで囲われている領域を前記仮想傷面積として算出するようにする。 Also, preferably
A step of creating a graph of the luminance value corresponding to each position of the rail and a graph of the moving median of the luminance value based on the image data of the crown is provided.
The area surrounded by the graph of the luminance value and the graph of the moving median value at the rail scratched portion is calculated as the virtual scratched area.

レールの画像データに基づき作成した輝度値のグラフと移動中央値のグラフとで囲われている略三角形の領域を仮想傷面積として算出し、その仮想傷面積の大きさが実際のレール傷の大きさと関連しているものとすることで、レールに生じた傷の大きさに基づきレールの異常を検出することができる。 The area of the substantially triangle surrounded by the graph of the brightness value and the graph of the moving median value created based on the image data of the rail is calculated as the virtual scratch area, and the size of the virtual scratch area is the size of the actual rail scratch. By assuming that it is related to the rail, it is possible to detect an abnormality in the rail based on the size of the scratches on the rail.

また、望ましくは、
異なる日時に撮像された前記レールの複数の画像データに基づき、前記レール傷箇所における前記仮想傷面積の経時変化量を算出する工程と、
前記仮想傷面積の経時変化量に基づき、前記レールに異常があるか否か判断する工程と、
を備えるようにする。 Also, preferably
A step of calculating the amount of change over time in the virtual scratch area at the rail scratch location based on a plurality of image data of the rail captured at different dates and times.
A step of determining whether or not there is an abnormality in the rail based on the amount of change in the virtual scratch area over time, and
To be prepared.

例えば、月毎にレールの画像データを取得している場合に、当月に算出した仮想傷面積の値が、ひと月前の前回の値よりも大幅に増大していることに起因し、仮想傷面積の経時変化量が通常よりも大きい場合、そのレールの傷の進行具合は異常であるものと判断して、検査対象のレールに異常がある旨を報知することが可能になる。
つまり、実際のレールに生じた傷が急激に進行し、傷が異常な進行具合で大きくなったという経時変化量に基づきレールの異常を検出することができる。 For example, when the rail image data is acquired every month, the virtual scratch area calculated in the current month is significantly larger than the previous value one month ago. When the amount of change with time is larger than usual, it is possible to determine that the progress of scratches on the rail is abnormal and notify that the rail to be inspected has an abnormality.
That is, it is possible to detect an abnormality in the rail based on the amount of change with time that the scratches generated on the actual rail progress rapidly and the scratches become larger due to the abnormal progress.

本発明によれば、レールに生じた傷の大きさに基づいてレールの異常を検出することができる。 According to the present invention, an abnormality of the rail can be detected based on the size of the scratches on the rail.

本実施形態のレール検査方法を実行するためのシステム構成に関する説明図である。It is explanatory drawing about the system configuration for executing the rail inspection method of this embodiment. 本実施形態のレール検査方法の工程を示すフローチャートである。It is a flowchart which shows the process of the rail inspection method of this embodiment. レール検査方法に関する説明図であり、レールの画像データから抽出した頭頂部画像データの一例（ａ）、輝度値のグラフと移動中央値のグラフの一例（ｂ）、輝度値と移動中央値の差分の値のグラフの一例（ｃ）である。It is explanatory drawing about a rail inspection method. It is an example (c) of the graph of the value of. 仮想傷面積に関する説明図であり、レールの画像データの一例（ａ）、輝度値のグラフと移動中央値のグラフの一例（ｂ）、仮想傷面積の経時変化の一例（ｃ）である。It is explanatory drawing about the virtual scratch area, which is an example (a) of image data of a rail, an example (b) of a graph of a luminance value and a graph of a median movement, and an example (c) of a change with time of a virtual scratch area. レール検査方法に関する説明図であり、レールの画像データから抽出した頭頂部画像データの一例（ａ）、輝度値のグラフと移動中央値のグラフの一例（ｂ）、輝度値と移動中央値の差分の値のグラフの一例（ｃ）である。It is explanatory drawing about a rail inspection method. It is an example (c) of the graph of the value of.

以下、図面を参照して、本発明に係るレール検査方法の実施形態について詳細に説明する。但し、以下に述べる実施形態には、本発明を実施するために技術的に好ましい種々の限定が付されているが、本発明の範囲を以下の実施形態及び図示例に限定するものではない。
ここでは、レール上を走行する車両に搭載されている、所謂線路設備モニタリング装置が有する撮像装置によって撮像されたレールの画像データに基づき、レールの異常を検出するレール検査方法について説明する。 Hereinafter, embodiments of the rail inspection method according to the present invention will be described in detail with reference to the drawings. However, although the embodiments described below are provided with various technically preferable limitations for carrying out the present invention, the scope of the present invention is not limited to the following embodiments and illustrated examples.
Here, a rail inspection method for detecting an abnormality in a rail will be described based on image data of the rail captured by an image pickup device included in a so-called railroad equipment monitoring device mounted on a vehicle traveling on the rail.

例えば、図１に示すように、レールＲ上を走行する車両Ｔに搭載されている撮像装置（線路設備モニタリング装置）１と、コンピューターであるレール検査装置１００は、通信ネットワークＮを介して接続されている。 For example, as shown in FIG. 1, an image pickup device (railway equipment monitoring device) 1 mounted on a vehicle T traveling on a rail R and a rail inspection device 100, which is a computer, are connected via a communication network N. ing.

撮像装置１は、例えばラインセンサーカメラであり、レールＲ上を走行する車両Ｔから、レールＲの各位置を連続的に撮像する。
例えば、撮像装置１は、レールＲ上を走行する車両Ｔから、レールＲのキロ程に対応させてそのレールＲを上方から撮像する。つまり、撮像装置１によって撮像されたレールＲの画像データには、レールＲの各位置の情報としてレールＲのキロ程が対応付けられている。
この撮像装置１が撮像したレールＲの画像データは、通信ネットワークＮを介してレール検査装置１００に出力される。 The image pickup apparatus 1 is, for example, a line sensor camera, and continuously images each position of the rail R from the vehicle T traveling on the rail R.
For example, the image pickup apparatus 1 takes an image of the rail R from above, corresponding to a kilometer of the rail R from the vehicle T traveling on the rail R. That is, the image data of the rail R captured by the image pickup apparatus 1 is associated with the kilometer of the rail R as information of each position of the rail R.
The image data of the rail R captured by the image pickup device 1 is output to the rail inspection device 100 via the communication network N.

レール検査装置１００は、例えば、図１に示すように、制御部（ＣＰＵ）１０、記憶部１１、表示部１２、操作部１３、データ入力用のインタフェース１４等を有するコンピューターにより構成されている。 As shown in FIG. 1, the rail inspection device 100 includes, for example, a computer having a control unit (CPU) 10, a storage unit 11, a display unit 12, an operation unit 13, a data input interface 14, and the like.

記憶部１１は、例えば、ＲＡＭ、ＲＯＭ、不揮発性メモリ、ハードディスクドライブ等により構成されている。
ＲＡＭは、ＣＰＵに作業用のメモリ空間を提供し、一時データを記憶する。
ＲＯＭは、ＣＰＵにより実行される各種制御プログラムや、各種固定データ等を記憶している。
ＥＥＰＲＯＭなどの不揮発性メモリは、撮像装置１から入力されたレールの画像データや、その画像データに基づき算出した数値データ、その画像データに基づき作成したグラフのデータなど、各種データを記憶し蓄積する。 The storage unit 11 is composed of, for example, a RAM, a ROM, a non-volatile memory, a hard disk drive, or the like.
The RAM provides the CPU with a working memory space and stores temporary data.
The ROM stores various control programs executed by the CPU, various fixed data, and the like.
A non-volatile memory such as EEPROM stores and stores various data such as rail image data input from the image pickup device 1, numerical data calculated based on the image data, and graph data created based on the image data. ..

表示部１２は、例えば液晶ディスプレイ又はＥＬディスプレイであり、レールＲの画像データや、その画像データに基づき作成したグラフ等を表示する。
操作部１３は、例えばキーボード、マウス、タッチパネルであり、この操作部１３によって各種操作入力や、各種データの入力および変更（例えば、閾値や基準値の入力および変更）などを行うことができる。 The display unit 12 is, for example, a liquid crystal display or an EL display, and displays image data of the rail R, a graph created based on the image data, and the like.
The operation unit 13 is, for example, a keyboard, a mouse, and a touch panel, and the operation unit 13 can input various operations and input and change various data (for example, input and change a threshold value and a reference value).

制御部１０は、例えばＣＰＵであり、記憶部１１に格納されている制御プログラムに従って各種の処理を実行する。
例えば、制御部１０は、レールＲの画像データからレールＲの頭頂部の範囲を切り出すように頭頂部画像データを抽出する処理を実行する。なお、レールＲの画像データには、まくらぎやバラスト部分も含まれているので、レールＲの頭頂部の傷を検出し易くするように、レールＲの頭頂部を切り出すようにしている。
また、制御部１０は、頭頂部画像データに基づき、レールＲのキロ程に対応する輝度値とその輝度値の移動中央値を算出する処理を実行し、レールＲのキロ程に対応する輝度値のグラフと、その輝度値の移動中央値のグラフを作成する処理を実行する。
また、制御部１０は、レールＲのキロ程に対応する輝度値と移動中央値の差分を算出する処理を実行し、レールＲのキロ程に対応する輝度値と移動中央値の差分のグラフを作成する処理を実行する。
また、制御部１０は、輝度値と移動中央値の差分の値が所定の閾値を超えた箇所をレール傷箇所として検出する処理を実行する。つまり、輝度値と移動中央値の差分の値が所定の閾値を超えた箇所のレールＲのキロ程に対応する地点に、レール傷があると判断する処理を実行する。
また、制御部１０は、検出したレール傷箇所のレールのキロ程における輝度値のグラフと移動中央値のグラフとで囲われている領域を仮想傷面積として算出する処理を実行する。
また、制御部１０は、算出した仮想傷面積に基づき、レールＲに異常があるか否か判断する処理を実行する。
例えば、算出した仮想傷面積の値が所定の基準値を超えている場合に、制御部１０はレールＲに異常があると判断する処理を実行する。 The control unit 10 is, for example, a CPU, and executes various processes according to a control program stored in the storage unit 11.
For example, the control unit 10 executes a process of extracting the crown image data so as to cut out the range of the crown of the rail R from the image data of the rail R. Since the image data of the rail R also includes a pillow and a ballast portion, the top of the rail R is cut out so as to make it easy to detect a scratch on the top of the rail R.
Further, the control unit 10 executes a process of calculating the luminance value corresponding to the kilometer of the rail R and the moving median of the luminance value based on the image data of the crown, and the luminance value corresponding to the kilometer of the rail R. Executes the process of creating a graph of the above and the graph of the moving median of the luminance value.
Further, the control unit 10 executes a process of calculating the difference between the brightness value corresponding to the kilometer of the rail R and the median movement, and plots the difference between the luminance value and the median movement corresponding to the kilometer of the rail R. Execute the process to be created.
Further, the control unit 10 executes a process of detecting a portion where the difference value between the luminance value and the moving median value exceeds a predetermined threshold value as a rail scratched portion. That is, the process of determining that there is a rail scratch is executed at the point corresponding to the kilometer of the rail R at the place where the difference value between the luminance value and the movement median exceeds a predetermined threshold value.
Further, the control unit 10 executes a process of calculating the area surrounded by the graph of the luminance value and the graph of the median movement in the rail kilometer of the detected rail scratched portion as the virtual scratched area.
Further, the control unit 10 executes a process of determining whether or not there is an abnormality in the rail R based on the calculated virtual scratch area.
For example, when the calculated value of the virtual scratch area exceeds a predetermined reference value, the control unit 10 executes a process of determining that the rail R has an abnormality.

また、制御部１０は、異なる日時に撮像されたレールＲの複数の画像データに基づき、レール傷箇所のレールのキロ程における仮想傷面積の経時変化量を算出する処理を実行する。
また、制御部１０は、算出した仮想傷面積の経時変化量に基づき、レールＲに異常があるか否か判断する処理を実行する。
例えば、算出した仮想傷面積の値が、前回の値よりも急激に増大した場合（例えば、１．８倍以上増大した場合（変化量が１８０％以上の場合））に、制御部１０はその仮想傷面積の変化量が異常であり、レールＲに異常があると判断する処理を実行する。 Further, the control unit 10 executes a process of calculating the amount of change with time of the virtual scratched area in the rail kilometer of the rail scratched portion based on a plurality of image data of the rail R captured at different dates and times.
Further, the control unit 10 executes a process of determining whether or not there is an abnormality in the rail R based on the calculated amount of change with time of the virtual scratch area.
For example, when the value of the calculated virtual scratch area increases sharply from the previous value (for example, when it increases by 1.8 times or more (when the amount of change is 180% or more)), the control unit 10 determines the value. A process for determining that the amount of change in the virtual scratch area is abnormal and the rail R is abnormal is executed.

次に、本実施形態のレール検査方法について、図２のフローチャート等に基づき説明する。
まず、レールＲ上を走行する車両Ｔに搭載されている撮像装置１によって撮像された、レールのキロ程に対応しているレールＲの画像データを取得し、レール検査装置１００の記憶部１１に蓄積する（ステップＳ１）。
例えば、１ヶ月あるいは数週間おきに撮像されたレールＲの画像データが記憶部１１に記憶され蓄積されるようになっている。 Next, the rail inspection method of the present embodiment will be described with reference to the flowchart of FIG.
First, the image data of the rail R corresponding to the kilometer of the rail, which is imaged by the image pickup device 1 mounted on the vehicle T traveling on the rail R, is acquired and stored in the storage unit 11 of the rail inspection device 100. Accumulate (step S1).
For example, the image data of the rail R imaged every one month or several weeks is stored and stored in the storage unit 11.

次いで、制御部１０は、レールＲの画像データからレールＲの頭頂部の範囲を切り出すように頭頂部画像データを抽出し、その頭頂部画像データを記憶部１１に記憶する（ステップＳ２）。
例えば、図３（ａ）に示すような、頭頂部画像データを抽出して記憶部１１に記憶する。 Next, the control unit 10 extracts the crown image data from the image data of the rail R so as to cut out the range of the crown of the rail R, and stores the crown image data in the storage unit 11 (step S2).
For example, as shown in FIG. 3A, the crown image data is extracted and stored in the storage unit 11.

次いで、制御部１０は、頭頂部画像データに基づき、レールＲのキロ程に対応する輝度値とその輝度値の移動中央値を算出し、レールＲのキロ程に対応する輝度値のグラフと、その輝度値の移動中央値のグラフを作成する（ステップＳ３）。
例えば、図３（ｂ）に示すような、輝度値のグラフ（図中、実線のグラフ）と、その輝度値の移動中央値のグラフ（図中、一点鎖線のグラフ）を作成する。これらグラフには、レールＲのキロ程で特定されるレールＲの各位置に対応する輝度値と、その輝度値の移動中央値とが示されている。
ここでは、幅２９９の移動中央値を算出し、その移動中央値を輝度に関する基準とした。 Next, the control unit 10 calculates the luminance value corresponding to the kilometer of the rail R and the moving median of the luminance value based on the image data of the crown, and the graph of the luminance value corresponding to the kilometer of the rail R and the graph. A graph of the moving median of the luminance value is created (step S3).
For example, as shown in FIG. 3 (b), a graph of the luminance value (a solid line graph in the figure) and a graph of the moving median of the luminance value (a graph of the alternate long and short dash line in the figure) are created. In these graphs, the luminance value corresponding to each position of the rail R specified by the kilometer of the rail R and the median movement of the luminance value are shown.
Here, the median movement of the width 299 was calculated, and the median movement was used as a reference for luminance.

次いで、制御部１０は、レールＲのキロ程に対応する輝度値と移動中央値の差分を算出し、レールＲのキロ程に対応する輝度値と移動中央値の差分のグラフを作成する（ステップＳ４）。
例えば、図３（ｃ）に示すような、差分値のグラフを作成する。このグラフには、レールＲのキロ程で特定されるレールＲの各位置に対応する輝度値と移動中央値の差分値が示されている。 Next, the control unit 10 calculates the difference between the luminance value and the moving median corresponding to the rail R kilometer, and creates a graph of the difference between the luminance value and the moving median corresponding to the rail R kilometer (step). S4).
For example, a graph of difference values as shown in FIG. 3 (c) is created. This graph shows the difference between the luminance value and the median movement corresponding to each position of the rail R specified by the kilometer of the rail R.

次いで、制御部１０は、輝度値と移動中央値の差分の値が所定の閾値を超えた箇所をレール傷箇所として検出する（ステップＳ５）。
例えば、差分値の平均±５σを閾値（ここでは±６）として設定し、その閾値を超えた「３００地点」をレール傷箇所として検出する（図３（ｃ）参照）。 Next, the control unit 10 detects a portion where the difference value between the luminance value and the median movement exceeds a predetermined threshold value as a rail scratched portion (step S5).
For example, the average ± 5σ of the difference value is set as a threshold value (here, ± 6), and the “300 points” exceeding the threshold value are detected as rail scratches (see FIG. 3C).

次いで、制御部１０は、検出したレール傷箇所のレールのキロ程における輝度値のグラフと移動中央値のグラフとで囲われている領域を仮想傷面積として算出する（ステップＳ６）。
ここでは、図３（ｂ）に示すグラフにおいて、「３００地点」における輝度値のグラフ（図中、実線のグラフ）と移動中央値のグラフ（図中、一点鎖線のグラフ）とで囲われている略三角形の領域を仮想傷面積として算出する。
例えば、輝度値のグラフと移動中央値のグラフとで囲われている略三角形の領域である仮想傷面積は、ＭＡＰＥなどの誤差評価関数で求めることができる。
具体的には、輝度値のグラフと移動中央値のグラフの交点から交点までの範囲で、輝度値と移動中央値の差分を累積するようにＭＡＰＥなどの誤差評価関数で求め、仮想傷面積として算出する。
なお、ＭＡＰＥは、下記の式（１）で表されるものとする。 Next, the control unit 10 calculates the area surrounded by the graph of the luminance value and the graph of the median movement in the rail kilometer of the detected rail scratched portion as the virtual scratched area (step S6).
Here, in the graph shown in FIG. 3 (b), the graph is surrounded by a graph of the luminance value at "300 points" (solid line graph in the figure) and a graph of the moving center value (graph of the alternate long and short dash line in the figure). The area of the substantially triangular shape is calculated as the virtual scratch area.
For example, the virtual scratch area, which is a region of a substantially triangular shape surrounded by a graph of luminance value and a graph of median movement, can be obtained by an error evaluation function such as MAPE.
Specifically, in the range from the intersection of the luminance value graph and the moving median graph to the intersection, the difference between the luminance value and the moving median is calculated by an error evaluation function such as MAPE so as to accumulate, and it is used as a virtual scratch area. calculate.
In addition, MAPE shall be represented by the following formula (1).

Figure 0007068956000001
Figure 0007068956000001

次いで、制御部１０は、算出した仮想傷面積に基づき、レールＲに異常があるか否か判断する（ステップＳ７）。
例えば、記憶部１１には、仮想傷面積に関する基準値（例えば、ＭＡＰＥの基準値“１５”）が記憶されており、算出した仮想傷面積の値がその基準値を超えている場合、制御部１０はレールＲに基準を超えた大きさの傷があり、そのレールＲに異常があると判断し、その旨を表示部１２に表示するなどして報知する。
具体的には、検査対象のレールＲの「３００地点」に異常がある旨を表示部１２に表示して、作業者に現場での確認を促すようにする。 Next, the control unit 10 determines whether or not there is an abnormality in the rail R based on the calculated virtual scratch area (step S7).
For example, the storage unit 11 stores a reference value related to the virtual scratch area (for example, the reference value “15” of MAPE), and when the calculated virtual scratch area value exceeds the reference value, the control unit 11 10 determines that the rail R has a scratch having a size exceeding the reference and that the rail R has an abnormality, and notifies the display unit 12 to that effect.
Specifically, the display unit 12 displays that there is an abnormality at the "300 points" of the rail R to be inspected, and prompts the operator to confirm on-site.

このように、本実施形態のレール検査方法によれば、レールＲ上を走行する車両Ｔに搭載されている撮像装置１によって撮像したレールＲの画像データに基づき、レールＲに異常があるか否か判断することができるので、作業員がレールＲに沿って目視点検する煩雑な作業の回数を低減することができる。
特に、レールＲの画像データに基づき作成した輝度値のグラフと移動中央値のグラフとで囲われている略三角形の領域を仮想傷面積として算出し、その仮想傷面積の大きさが実際のレール傷の大きさと関連しているものとすることで、レールＲに生じた傷の大きさに基づきレールＲの異常を検出することができる。 As described above, according to the rail inspection method of the present embodiment, whether or not there is an abnormality in the rail R based on the image data of the rail R captured by the image pickup device 1 mounted on the vehicle T traveling on the rail R. Since it can be determined, it is possible to reduce the number of complicated operations that the worker visually inspects along the rail R.
In particular, the area of the substantially triangle surrounded by the graph of the brightness value and the graph of the moving median value created based on the image data of the rail R is calculated as the virtual scratch area, and the size of the virtual scratch area is the actual rail. By assuming that it is related to the size of the scratch, the abnormality of the rail R can be detected based on the size of the scratch generated on the rail R.

ここで、輝度値のグラフと移動中央値のグラフとで囲われている略三角形の領域である仮想傷面積の大きさと、実際にレールＲに生じた傷の大きさとの関連性について、本発明者らが行った検証を説明する。
図４（ａ）に示すレールＲの画像データに基づき「５００地点」をレール傷箇所として検出した後、その「５００地点」における仮想傷面積の経時変化と、「５００地点」における実際のレール傷の大きさの経時変化を観察した。
なお、「５００地点」における仮想傷面積は、図４（ｂ）に示す輝度値のグラフ（図中、実線のグラフ）と移動中央値のグラフ（図中、一点鎖線のグラフ）とで囲われている略三角形の領域の大きさを誤差評価関数（ここではＭＡＰＥ）によって求めたものである。
図４（ｃ）に示すように、「５００地点」における仮想傷面積は、日時の経過に伴い大きくなる傾向があることがわかった。
そして、撮像装置１によってレールＲを撮像してレールＲの画像データを取得した日時に応じて、作業者が「５００地点」における実際のレールＲの傷の大きさを測定したところ、同様の比率で実際のレール傷も大きくなっていることがわかった。
このことから、仮想傷面積の大きさと実際のレールＲの傷の大きさとには相関があることを見出した本発明者らは、輝度値のグラフと移動中央値のグラフとで囲われている略三角形の領域である仮想傷面積に基づいて、実際のレールＲの傷の大きさを推認し、レールＲに異常があるか否か判断するレール検査方法の技術を開発するに至った。
なお、実際のレールＲの傷がレールＲの延在方向に大きくなる場合、その深さ方向にも傷が進行することを本発明者らは確認した。
また、誤差評価関数（ここではＭＡＰＥ）によって求めた仮想傷面積の値が“１５”であるとき、実際のレールＲの傷が規定以上に進行していることを本発明者らが確認したので、仮想傷面積に関する基準値を“１５”とし、仮想傷面積の値がその基準値“１５”を超えている場合に、レールＲに異常があると判断するようにした。 Here, the present invention relates to the relationship between the size of the virtual scratch area, which is a substantially triangular area surrounded by the graph of the luminance value and the graph of the median movement, and the size of the scratch actually generated on the rail R. Explain the verification performed by them.
After detecting "500 points" as rail scratches based on the image data of the rail R shown in FIG. 4A, the change over time in the virtual scratch area at the "500 points" and the actual rail scratches at the "500 points". The time course of the size of was observed.
The virtual scratch area at "500 points" is surrounded by a graph of the brightness value (solid line graph in the figure) and a graph of the moving center value (graph of the alternate long and short dash line in the figure) shown in FIG. 4 (b). The size of the area of the substantially triangular area is obtained by the error evaluation function (here, MAPE).
As shown in FIG. 4 (c), it was found that the virtual scratch area at "500 points" tends to increase with the passage of time and time.
Then, when the operator measured the actual size of the rail R scratch at the "500 points" according to the date and time when the rail R was imaged by the image pickup apparatus 1 and the image data of the rail R was acquired, the same ratio was obtained. It turned out that the actual rail scratches were also getting bigger.
From this, the present inventors who found that there is a correlation between the size of the virtual scratch area and the size of the scratch on the actual rail R are surrounded by a graph of the brightness value and a graph of the moving median value. Based on the virtual scratch area, which is a region of a substantially triangular shape, we have developed a technique for a rail inspection method that estimates the actual scratch size of the rail R and determines whether or not there is an abnormality in the rail R.
The present inventors have confirmed that when the actual scratch on the rail R becomes larger in the extending direction of the rail R, the scratch progresses in the depth direction as well.
Further, since the present inventors have confirmed that the actual scratches on the rail R have progressed more than specified when the value of the virtual scratch area obtained by the error evaluation function (here, MAPE) is "15". The reference value for the virtual scratch area is set to "15", and when the value of the virtual scratch area exceeds the reference value "15", it is determined that the rail R has an abnormality.

なお、本発明は上記実施形態に限られるものではない。
上記した実施形態では、図２のフローチャートのステップＳ７において、算出した仮想傷面積の値が基準値（本実施形態では“１５”）を超えている場合に、制御部１０がレールＲに異常があると判断するとしたが、仮想傷面積の経時変化量あるいは経時変化率に基づく判断を行うようにしてもよい。
例えば、算出した仮想傷面積の値が、前回の値（例えば、ひと月前の値）よりも１．８倍以上増大した場合（変化量１８０％以上の場合）、そのレールＲの傷の進行具合は異常であり、実際のレールＲに何らかの異常があるものとして、制御部１０はレールＲに異常があると判断し、検査対象のレールＲの地点（レール傷箇所に対応する地点）に異常がある旨を表示部１２に表示して、作業者に現場での確認を促すようにする。
このように、仮想傷面積の経時変化量によってもレールＲに異常があるか否か判断することができる。
つまり、実際のレールＲに生じた傷が急激に進行し、傷が急激に大きくなったという経時変化量に基づきレールＲの異常を検出することができる。 The present invention is not limited to the above embodiment.
In the above embodiment, when the value of the virtual scratch area calculated in step S7 of the flowchart of FIG. 2 exceeds the reference value (“15” in this embodiment), the control unit 10 has an abnormality in the rail R. Although it is determined that there is, the judgment may be made based on the amount of change with time or the rate of change with time of the virtual scratch area.
For example, when the calculated value of the virtual scratch area increases by 1.8 times or more (for example, the value one month ago) from the previous value (change amount of 180% or more), the progress of the scratch on the rail R Is abnormal, and the control unit 10 determines that there is an abnormality in the rail R, assuming that there is something wrong with the actual rail R, and there is an abnormality at the point of the rail R to be inspected (the point corresponding to the rail scratched part). A certain effect is displayed on the display unit 12 to prompt the worker to confirm on-site.
In this way, it is possible to determine whether or not there is an abnormality in the rail R based on the amount of change over time in the virtual scratch area.
That is, the abnormality of the rail R can be detected based on the amount of change with time that the scratches generated on the actual rail R rapidly progress and the scratches suddenly become larger.

また、上記した実施形態では、図３（ａ）（ｂ）（ｃ）に示したように、レールＲの画像データ（頭頂部画像データ）に基づき算出した輝度値のグラフに、比較的明確な輝度値のピークを捉えることができる場合の傷検知について説明したが、本発明はそれに限られるものではない。
例えば、図５（ａ）に示すような、細かな連続傷がある頭頂部画像データに基づき、レールＲのキロ程に対応する輝度値とその輝度値の移動中央値を算出し、図５（ｂ）に示すようなレールＲのキロ程に対応する輝度値のグラフと、その輝度値の移動中央値のグラフを作成したり、レールＲのキロ程に対応する輝度値と移動中央値の差分を算出し、図５（ｃ）に示すようなレールＲのキロ程に対応する輝度値と移動中央値の差分のグラフを作成したりしても、レール傷箇所を検出できず、輝度値のグラフ（図中、実線のグラフ）と移動中央値のグラフ（図中、一点鎖線のグラフ）とで囲われている領域を仮想傷面積として算出することができない。
このような細かな連続傷に対しては、例えば、レールのキロ程、５００ｍ毎に区切ったレールＲの画像データ（頭頂部画像データ）に基づき、図５（ｂ）に示すようなレールＲのキロ程に対応する輝度値のグラフと、その輝度値の移動中央値のグラフを作成し、その５００ｍの範囲における輝度値と移動中央値の差分を累積するようにＭＡＰＥ（式（１）参照）などの誤差評価関数で求める。
得られたＭＡＰＥの値が所定値を超えている場合には、そのレールＲの画像データ（頭頂部画像データ）中に細かな連続傷があると判断することができるので、そのレールＲの画像データに対応するレールＲのキロ程の位置に作業員が出向き、その地点５００ｍの範囲のレールＲを目視点検するようにすればよい。 Further, in the above-described embodiment, as shown in FIGS. 3A, 3B, and 3C, the luminance value graph calculated based on the image data of the rail R (top image data) is relatively clear. Although the scratch detection when the peak of the luminance value can be captured has been described, the present invention is not limited to this.
For example, based on the image data of the crown having fine continuous scratches as shown in FIG. 5A, the luminance value corresponding to the kilometer of the rail R and the median movement of the luminance value are calculated, and FIG. Create a graph of the luminance value corresponding to the kilometer of the rail R as shown in b) and a graph of the moving median of the luminance value, or the difference between the luminance value and the moving median corresponding to the kilometer of the rail R. Even if a graph of the difference between the brightness value corresponding to the kilometer of the rail R and the median movement as shown in FIG. 5 (c) is created, the rail scratched part cannot be detected and the brightness value is The area surrounded by the graph (solid line graph in the figure) and the median movement graph (single point chain line graph in the figure) cannot be calculated as the virtual scratch area.
For such fine continuous scratches, for example, based on the image data (crown image data) of the rail R divided every 500 m, about the kilometer of the rail, the rail R as shown in FIG. 5 (b). Create a graph of the luminance value corresponding to about a kilometer and a graph of the moving median of the luminance value, and MAPE (see equation (1)) so as to accumulate the difference between the luminance value and the moving median within the range of 500 m. Obtained by an error evaluation function such as.
When the obtained MAPE value exceeds a predetermined value, it can be determined that there are fine continuous scratches in the image data (top image data) of the rail R, so that the image of the rail R is used. A worker may go to a position about a kilometer of the rail R corresponding to the data and visually inspect the rail R within a range of 500 m at that point.

なお、本発明の適用は上述した実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲で適宜変更可能である。 The application of the present invention is not limited to the above-described embodiment, and can be appropriately changed without departing from the spirit of the present invention.

１ 撮像装置
１０ 制御部
１１ 記憶部
１２ 表示部
１３ 操作部
１４ インタフェース
１００ レール検査装置
Ｔ 車両
Ｒ レール
Ｎ 通信ネットワーク 1 Imaging device 10 Control unit 11 Storage unit 12 Display unit 13 Operation unit 14 Interface 100 Rail inspection device T Vehicle R Rail N Communication network

Claims (3)

レール上を走行する車両に搭載されている撮像装置によって撮像された、前記レールの各位置の画像データを取得する工程と、
前記レールの画像データからレール頭頂部の範囲を切り出すように頭頂部画像データを抽出する工程と、
前記頭頂部画像データに基づき、前記レールの各位置の輝度値と、その輝度値の移動中央値を算出する工程と、
前記レールの各位置の前記輝度値と前記移動中央値の差分を算出する工程と、
前記差分の値が所定の閾値を超えた箇所をレール傷箇所として検出する工程と、
前記レール傷箇所における前記輝度値と前記移動中央値とに基づいて仮想傷面積を算出する工程と、
前記仮想傷面積に基づき、前記レールに異常があるか否か判断する工程と、
を備えたことを特徴とするレール検査方法。 A process of acquiring image data of each position of the rail captured by an image pickup device mounted on a vehicle traveling on the rail, and a process of acquiring image data.
A step of extracting the top image data of the rail so as to cut out the range of the top of the rail from the image data of the rail, and
A step of calculating the luminance value of each position of the rail and the moving median of the luminance value based on the crown image data, and
The step of calculating the difference between the luminance value and the moving median at each position of the rail, and
A step of detecting a portion where the difference value exceeds a predetermined threshold value as a rail scratched portion, and
A step of calculating a virtual scratch area based on the luminance value and the moving median at the rail scratch location, and
A process of determining whether or not there is an abnormality in the rail based on the virtual scratch area, and
A rail inspection method characterized by being equipped with. 前記頭頂部画像データに基づき、前記レールの各位置に対応する輝度値のグラフと、その輝度値の移動中央値のグラフを作成する工程を備え、
前記レール傷箇所における前記輝度値のグラフと前記移動中央値のグラフとで囲われている領域を前記仮想傷面積として算出することを特徴とする請求項１に記載のレール検査方法。 A step of creating a graph of the luminance value corresponding to each position of the rail and a graph of the moving median of the luminance value based on the image data of the crown is provided.
The rail inspection method according to claim 1, wherein the area surrounded by the graph of the luminance value and the graph of the moving median at the rail scratched portion is calculated as the virtual scratch area. 異なる日時に撮像された前記レールの複数の画像データに基づき、前記レール傷箇所における前記仮想傷面積の経時変化量を算出する工程と、
前記仮想傷面積の経時変化量に基づき、前記レールに異常があるか否か判断する工程と、
を備えたことを特徴とする請求項１又は２に記載のレール検査方法。 A step of calculating the amount of change over time in the virtual scratch area at the rail scratch location based on a plurality of image data of the rail captured at different dates and times.
A step of determining whether or not there is an abnormality in the rail based on the amount of change over time in the virtual scratch area, and
The rail inspection method according to claim 1 or 2, wherein the rail inspection method is provided.
JP2018143159A 2018-07-31 2018-07-31 Rail inspection method Active JP7068956B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018143159A JP7068956B2 (en) 2018-07-31 2018-07-31 Rail inspection method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018143159A JP7068956B2 (en) 2018-07-31 2018-07-31 Rail inspection method

Publications (2)

Publication Number Publication Date
JP2020020125A JP2020020125A (en) 2020-02-06
JP7068956B2 true JP7068956B2 (en) 2022-05-17

Family

ID=69588181

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018143159A Active JP7068956B2 (en) 2018-07-31 2018-07-31 Rail inspection method

Country Status (1)

Country Link
JP (1) JP7068956B2 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7436318B2 (en) 2020-07-30 2024-02-21 東日本旅客鉄道株式会社 Wave-like wear detection method
CN112651343B (en) * 2020-12-28 2021-08-24 哈尔滨市科佳通用机电股份有限公司 Railway wagon brake beam breaking fault identification method based on image processing

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002243655A (en) 2001-02-13 2002-08-28 Mitsubishi Materials Corp Method and equipment for visual inspection of electronic component
JP2010091514A (en) 2008-10-10 2010-04-22 Nippon Steel Corp Surface defect inspection system, method and program
JP2012167963A (en) 2011-02-10 2012-09-06 Keyence Corp Image inspection device, image inspection method, and computer program
JP2015010456A (en) 2013-07-02 2015-01-19 日本電気株式会社 Rail inspection device, and rail inspection method

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2691788B2 (en) * 1990-02-28 1997-12-17 株式会社 コア Railroad track abnormality detection device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002243655A (en) 2001-02-13 2002-08-28 Mitsubishi Materials Corp Method and equipment for visual inspection of electronic component
JP2010091514A (en) 2008-10-10 2010-04-22 Nippon Steel Corp Surface defect inspection system, method and program
JP2012167963A (en) 2011-02-10 2012-09-06 Keyence Corp Image inspection device, image inspection method, and computer program
JP2015010456A (en) 2013-07-02 2015-01-19 日本電気株式会社 Rail inspection device, and rail inspection method

Also Published As

Publication number Publication date
JP2020020125A (en) 2020-02-06

Similar Documents

Publication Publication Date Title
US11105749B2 (en) Information processing apparatus, information processing method and program
US10371510B2 (en) Structure status determination device, status determination system, and status determination method
JP5672480B2 (en) Apparatus and method for determining shape of terminal end of bead
US10190992B2 (en) Structure status determination device, status determination system, and status determination method
Kothari Detecting welding defects in steel plates using machine learning and computer vision algorithms
US20090214122A1 (en) Image processing apparatus for analysis of pattern matching failure
JP6556266B2 (en) Defect inspection apparatus, method and program
JP6954368B2 (en) Displacement component detection device, displacement component detection method, and program
AU2017349631B2 (en) Belt inspection system and method
JP7068956B2 (en) Rail inspection method
JP7226493B2 (en) Contact wire wear inspection method
JPWO2017130477A1 (en) Defect inspection apparatus, method and program
JP2020144572A (en) Road failure detection device, road failure detection method, and road failure detection program
JP6000054B2 (en) Passenger conveyor automatic monitoring device and passenger conveyor automatic monitoring method
JP2008190872A (en) Surface defectiveness detector, surface defectiveness detecting method and program
JP6894319B2 (en) Bolt loosening inspection device
JP5219663B2 (en) Apparatus, method, and program for measuring coverage
JP6678567B2 (en) Outlier determination method of waveform data and outlier determination system using this method
JP6818263B2 (en) Fracture surface analysis device and fracture surface analysis method
JP6838660B2 (en) Status determination device, status determination method, and program
JP4403036B2 (en) Soot detection method and apparatus
US20110255768A1 (en) Method and System for Automated Ball-Grid Array Void Quantification
JP2006329898A (en) Measuring method and device of surface distortion
JP7141383B2 (en) Dimensional measurement system and dimensional measurement method
JP6662126B2 (en) Detecting device, method and program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210517

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220323

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220426

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220502

R150 Certificate of patent or registration of utility model

Ref document number: 7068956

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150