(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210813051.0 (22)申请日 2022.07.11 (71)申请人 中国铁建重 工集团股份有限公司 地址 410100 湖南省长 沙市长沙经济技 术 开发区东七 线88号 (72)发明人 黄超生　姚锐　邵云　尹婷　 邓志斌　凌伟　梁春红　 (74)专利代理 机构 长沙七源专利代理事务所 (普通合伙) 43214 专利代理师 邹琦　张勇 (51)Int.Cl. G01N 21/01(2006.01) G01N 21/88(2006.01) G01C 21/12(2006.01) G01C 22/00(2006.01)H02J 9/04(2006.01) (54)发明名称 一种轨道巡 检系统及方法 (57)摘要 本发明提供了一种轨道巡检系统， 包括图像 采集单元、 定位单元、 数据处理单元和电源单元； 图像采集单元包括用于采集轨道 图像数据的相 机和光源； 电源单元包括不间断电源， 用于在巡 检过程中提供稳定的电源供应。 本发 明还提供了 一种轨道巡检方法， 包括将轨道标准图像存入 标 准数据库中， 通过数据处理单元对轨道标准图像 进行深度学习； 通过图像采集单元对轨道沿线进 行图像采集， 并通过定位单元获取图像采集位置 对应的公里标信息； 通过机器视觉进行轨道沿线 的缺陷识别等步骤。 本发明应用机器视觉、 图像 处理、 深度学习等技术， 对轨道的图像信息进行 实时的采集、 分析和综合处理， 可提升轨道检测 的工作效率， 降低检修工作人员的劳动强度。 权利要求书2页 说明书6页 附图2页 CN 115184269 A 2022.10.14 CN 115184269 A 1.一种轨道巡检系 统， 其特征在于， 包括 图像采集单元(1)、 定位单元(2)、 数据处理单 元(3)和电源 单元(4)； 所述图像采集单元(1)包括设置于轨道检测小 车上的相机(1.1)和光 源(1.2)， 用于采集轨道图像数据； 所述电源单元(4)分别与所述图像采集单元(1)、 定位单 元(2)和数据处理单元(3)连接， 用于实现电源供应； 所述电源单元(4)包括不间断电源 (4.1)， 用于在巡检过程中提供 稳定的电源供应。 2.根据权利 要求1所述的一种轨道巡检系统， 其特征在于， 所述相机(1.1)为线阵相机， 所述光源(1.2)为线性光源， 多个相机(1.1)和 多个光源(1.2)间隔设置在轨道检测小车的 横梁(5)上。 3.根据权利要求1或2所述的一种轨道巡检系统， 其特征在于， 所述定位单元( 2)包括 RFID电子标签(2.1)和速度传感器(2.2)， 多个RFID电子标签(2.1)均布设置于多根轨枕上， 所述速度传感器(2.2)设置 于轨道检测小车 上， 用于获取图像采集 位置的定位信息 。 4.根据权利要求3所述的一种轨道巡检系 统， 其特征在于， 所述速度传感器(2.2)为编 码器； 所述速度传感器(2.2)与轨道检测小车的驱动电机连接， 并且通过数据处理单元(3) 与图像采集单 元(1)连接 。 5.一种轨道巡检方法， 采用了如权利要求1至4任意一项所述的一种轨道巡检系统， 其 特征在于， 包括以下步骤： 步骤一： 获取轨道标准 图像， 通过数据处理单元(3)对轨道标准 图像进行深度学习， 获 取深度学习目标检测模型的权 重文件； 步骤二： 将轨道标准图像及其对应的公里标信息存入标准数据库中， 并对标准数据库 中的轨道标准图像信息进行完 善； 步骤三： 通过轨道检测小车携带图像采集单元(1)， 对轨道沿线进行图像采集， 并通过 定位单元(2)获取图像采集位置对应的公里标信息； 通过机器视觉进行轨道沿线的缺陷识 别； 步骤四： 将缺陷识别数据存入故障数据库中， 对故障数据库进行大数据分析， 获取轨道 上的易故障区域、 易故障类型和易故障时间。 6.根据权利要求5所述的一种轨道巡检方法， 其特征在于， 所述步骤二中， 将轨道标准 图像及其对应的公里标信息存入标准数据库中， 导入深度学习目标检测模型 的权重文件， 通过深度学习目标检测模型识别并定位标准图像中的轨枕、 弹条扣件和紧固螺母， 通过机 器视觉识别紧固螺母相对于钢轨的角度、 弹条扣件与紧固螺母的像素高度， 并结合所定位 的零件对应的公里 标信息共同存 入标准数据库。 7.根据权利要求6所述的一种轨道巡检方法， 其特征在于， 所述步骤三中， 在图像采集 的过程中， 逐次截取固定长度的图像段进行缺陷识别； 前一幅图像段 的尾端与后一幅图像 段的前端存在至少H行像素重 叠， 其中H为轨枕在图像段 上所占的像素高度。 8.根据权利要求7所述的一种轨道巡检方法， 其特征在于， 所述步骤三中， 通过深度学 习目标检测模型对图像段中的轨枕、 弹条扣件和紧固螺母进 行粗定位； 缩减感兴趣区域后， 通过图像处理算法中的边缘算子提取弹条扣件和紧固螺母的边缘， 并与标准数据库中同一 公里标处的标准图像进行比对， 进行缺陷识别。 9.根据权利要求8所述的一种轨道巡检方法， 其特征在于， 所述步骤三中， 进行缺陷识 别时， 通过设定的螺母旋转角度阈值和像素高度差阈值进行缺陷识别；权　利　要　求　书 1/2 页 2 CN 115184269 A 2当图像段中的紧 固螺母旋转角度在5 °以上时， 判定紧 固螺母处于松动状态； 当图像段中的弹条扣件横向像素高度为0.9R～1.1R且弹条扣件纵向像素高度为0.9W ～1.1W时， 判定弹条扣件处于未断裂状态； 其中， R为同一公里标处对应的标准图像中弹条 扣件的横向像素高度， W 为同一公里 标处对应的标准图像中弹条扣件的纵向像素高度。 10.根据权利要求5至9任意一项所述的一种轨道巡检方法， 其特征在于， 所述步骤四 中， 将缺陷识别数据中的病害类型、 公里标信息和故障时间存入故障数据库中， 通过贝叶斯 神经网络建立轨道预测模型， 通过数据追溯、 关联、 决策分析获取轨道上的易故障区域、 易 故障类型和易故障时间， 对轨道状态进行判断， 对轨道服役寿命进行 预测。权　利　要　求　书 2/2 页 3 CN 115184269 A 3