孫次鎖， 張玉華

(1.北京交通大學(xué) 交通運(yùn)輸學(xué)院，北京 100044； 2. 中國鐵道科學(xué)研究院集團(tuán)有限公司 基礎(chǔ)設(shè)施檢測研究所，北京 100081)

鋼軌探傷車用于對在役鋼軌內(nèi)部傷損進(jìn)行快速檢測，是“人防、物防、技防‘三位一體’安全保障體系”[1]的組成部分之一。許多學(xué)者通過決策樹分析[2]、譜分析[3]、人工選取特征[4-6]等方式對探傷檢測數(shù)據(jù)進(jìn)行智能識別。近年來，深度學(xué)習(xí)技術(shù)發(fā)展，文獻(xiàn)[7-11]將深度學(xué)習(xí)技術(shù)應(yīng)用到鋼軌傷損識別、扣件檢測等領(lǐng)域。上述文獻(xiàn)均針對單次檢測數(shù)據(jù)進(jìn)行分析，未考慮多次檢測周期歷史數(shù)據(jù)間的關(guān)聯(lián)關(guān)系，存在誤報率高、傷損漏檢等現(xiàn)象，為確保鐵路運(yùn)輸安全，實(shí)際檢測數(shù)據(jù)分析中仍然采用人工全程回放方式，智能識別結(jié)果僅用于參考。人工回放時，為進(jìn)一步提高預(yù)警準(zhǔn)確率，降低預(yù)警誤報率，需要將當(dāng)次檢測數(shù)據(jù)與同區(qū)段的歷史檢測數(shù)據(jù)進(jìn)行周期對比。各鐵路集團(tuán)有限公司建有《傷損比對監(jiān)控表》，表中記錄各個周期檢測到的所有傷損的類型、大小、位置、處理等數(shù)據(jù)。在對當(dāng)次檢測數(shù)據(jù)回放時，對比《傷損比對監(jiān)控表》，對于發(fā)展較快的傷損，及時預(yù)警；對于無發(fā)展的傷損，繼續(xù)監(jiān)控；對于形似鋼軌傷損圖形的鋼軌固有機(jī)械結(jié)構(gòu)不預(yù)警。由于多次檢測周期中各傷損里程位置誤差在十幾米至幾十米之間不等，無法精確對應(yīng)，操作員需依據(jù)經(jīng)驗(yàn)判斷顯示為兩個位置的鋼軌傷損實(shí)際上是否為同一位置，效率較低。

文獻(xiàn)[12]在研究動車組跟蹤試驗(yàn)得到的數(shù)據(jù)時，提出一種基于時間序列的自動頻譜分析方法，得到運(yùn)營列車主要性能參數(shù)的變化規(guī)律。受時間序列方法的啟發(fā)，本文提出超聲波反射體位置序列比對的方法。文獻(xiàn)[13-14]提出的Faster RCNN方法既能對圖像中的物體進(jìn)行分類識別，又能給出識別物體的位置。文獻(xiàn)[15-16]提出編輯距離的方法，可以對字符序列進(jìn)行比對。本文將超聲波檢測B型顯示數(shù)據(jù)格式轉(zhuǎn)換成RGB格式，采用Faster RCNN網(wǎng)絡(luò)架構(gòu)對檢測區(qū)段的超聲波反射體進(jìn)行智能識別分類，并輸出超聲波反射體位置，將超聲波反射體按里程位置形成序列形式的區(qū)段檢測數(shù)據(jù)，采用編輯距離方法，將區(qū)段檢測數(shù)據(jù)與區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)進(jìn)行對比，自動形成當(dāng)次檢測數(shù)據(jù)的分析報告，實(shí)現(xiàn)自動預(yù)警。在智能識別基礎(chǔ)上考慮同一線路多次檢測結(jié)果間的關(guān)聯(lián)關(guān)系，自動得到鋼軌傷損預(yù)警信息。

1 鋼軌傷損自動預(yù)警總體結(jié)構(gòu)

鋼軌傷損自動預(yù)警總體結(jié)構(gòu)見圖1，通過智能識別對鋼軌探傷車檢測取得的當(dāng)次檢測數(shù)據(jù)進(jìn)行超聲波反射體分類，將分類結(jié)果按定位里程順序排列生成區(qū)段檢測數(shù)據(jù)，將區(qū)段檢測數(shù)據(jù)與區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)進(jìn)行自動對比分析，生成探傷車預(yù)警報告。各工務(wù)段采用探傷儀對預(yù)警報告中的可疑傷損進(jìn)行復(fù)核，形成復(fù)核報告。依據(jù)復(fù)核報告對區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)進(jìn)行回注，更新區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)，用于下次鋼軌探傷車檢測數(shù)據(jù)的預(yù)警分析。區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)中包含線路基礎(chǔ)信息數(shù)據(jù)庫的各類信息，如區(qū)段起終點(diǎn)里程，隧道、橋梁位置，曲線半徑，線路短鏈等。結(jié)構(gòu)中用區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)替代當(dāng)前使用的鋼軌探傷車《傷損比對監(jiān)控表》，用自動對比替代人工對比，自動生成探傷車預(yù)警報告。

圖1 鋼軌傷損自動預(yù)警總體結(jié)構(gòu)

2 鋼軌探傷車檢測數(shù)據(jù)智能識別

2.1 超聲波檢測B型顯示圖像

鋼軌探傷車檢測到的B型顯示圖像見圖2。鋼軌探傷車采用超聲波脈沖反射法進(jìn)行鋼軌探傷，若鋼軌中無超聲波反射體，則顯示為黑色。對于鋼軌中存在的每一個超聲波反射體E，可以用坐標(biāo)(xE，yE)表示該反射體的位置。圖2中紅色矩形框?yàn)殇撥壷写嬖诘某暡ǚ瓷潴w，每個超聲波反射體由若干個不同角度的超聲波反射點(diǎn)組成。每個超聲波反射體的位置為

(1)

式中：LE為超聲波反射體在鋼軌中的位置；xi為第i個超聲波反射點(diǎn)的x坐標(biāo)；yi為第i個超聲波反射點(diǎn)的y坐標(biāo)；n為組成超聲波反射體LE的超聲波反射點(diǎn)的個數(shù)。

圖2 B型顯示圖像

鋼軌中某些固有機(jī)械結(jié)構(gòu)如螺孔、導(dǎo)線孔、焊縫、道岔、接頭等也會導(dǎo)致超聲波信號的反射，因此也是超聲波反射體。

2.2 區(qū)段檢測數(shù)據(jù)

選用線路區(qū)段中的具有位置特性的超聲波反射體組成序列，區(qū)段檢測數(shù)據(jù)為

FQD={fi|fi∈F，i=1，2，3，…}

(2)

式中：FQD為區(qū)段檢測數(shù)據(jù)；i為按照超聲波反射體在檢測過程中出現(xiàn)的位置先后進(jìn)行排序序號；fi為第i個超聲波反射體；F為所有超聲波反射體的類別集合。

參照現(xiàn)有鋼軌探傷車數(shù)據(jù)分析軟件的傷損類別，本文將超聲波反射體分為16類，用大寫字母組合代表超聲波反射體的類別，依次為螺孔(A)、導(dǎo)線孔(Z)、焊縫(C)、內(nèi)側(cè)軌頭核傷(NN)、外側(cè)軌頭核傷(NW)、內(nèi)中外軌頭核傷(NA)、內(nèi)中軌頭核傷(NNZ)、中外軌頭核傷(NZW)、軌底傷損(M)、螺孔裂紋(L)、軌頭垂直劈裂(NP)、螺孔多孔(D)、道岔(F)、鋼軌接縫(K)、軌腰分離(P)、雜波(O)。例如，圖2中超聲波檢測B型顯示圖像的區(qū)段檢測數(shù)據(jù)為

FQD={L，A，L，A，A，K，A，L，A，L}

(3)

2.3 超聲波反射體類別及位置的智能識別

超聲波反射體類別及位置的智能識別采用Faster RCNN網(wǎng)絡(luò)架構(gòu)[9-10]，見圖3。Faster RCNN是物體檢測領(lǐng)域基于區(qū)域建議的一種快速深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)，可自動對輸入到網(wǎng)絡(luò)架構(gòu)中的B型顯示圖像進(jìn)行特征提取，并依據(jù)提取的特征進(jìn)行分類與定位。架構(gòu)中含有未知參數(shù)，采用人工標(biāo)注超聲波反射體類別及位置的樣本進(jìn)行訓(xùn)練，通過反復(fù)迭代對網(wǎng)絡(luò)架構(gòu)中的未知參數(shù)進(jìn)行學(xué)習(xí)更新，訓(xùn)練完成后得出含有已知參數(shù)的網(wǎng)絡(luò)架構(gòu)模型，使用該模型對B型顯示圖像中超聲波反射體的類別和位置進(jìn)行智能識別。在Faster RCNN網(wǎng)絡(luò)中，將截取的整張圖片輸進(jìn)CNN，提取出的特征圖輸入到RPN網(wǎng)絡(luò)中匯總，對得到的候選框中的特征信息，使用分類器判別超聲波反射體類別，同時用回歸器進(jìn)一步調(diào)整候選框位置，最終輸出超聲波反射體類別及位置。

圖3 識別超聲波反射體類別及位置的Faster RCNN網(wǎng)絡(luò)架構(gòu)

本文輸入的圖片大小為128 dpi×128 dpi，輸入圖片含有16個超聲波信號通道[7]，分別為前外70°軌頭、前中70°軌頭、前內(nèi)70°軌頭、前45°軌腰、前45°軌底、前0°軌腰、前0°軌底、前斜70°軌頭、后外70°軌頭、后中70°軌頭、后內(nèi)70°軌頭、后45°軌腰、后45°軌底、后0°軌腰、后0°軌底、后斜70°軌頭。

2.3.1 輸入圖片格式轉(zhuǎn)換

Faster RCNN網(wǎng)絡(luò)輸入圖像為RGB格式，因此需要將16通道的B型顯示圖像轉(zhuǎn)換為RGB格式，將前外70°軌頭、前中70°軌頭、前內(nèi)70°軌頭、前斜70°軌頭、后外70°軌頭、后中70°軌頭、后內(nèi)70°軌頭、后斜70°軌頭共8個通道用8位2進(jìn)制數(shù)表示，轉(zhuǎn)換為圖像的R通道；將前45°軌腰、前45°軌底、后45°軌腰、后45°軌底共4個通道用8位2進(jìn)制數(shù)表示，轉(zhuǎn)換為圖像的G通道；將前0°軌腰、前0°軌底、后0°軌腰、后0°軌底共4個通道用8位2進(jìn)制數(shù)表示，轉(zhuǎn)換為圖像的B通道。

經(jīng)過轉(zhuǎn)換，16通道的B型顯示圖像轉(zhuǎn)換為具有3個通道的RGB圖像格式。

2.3.2 Faster RCNN網(wǎng)絡(luò)訓(xùn)練

訓(xùn)練所用樣本來自傷損試驗(yàn)線上采集到的B型顯示圖像，對每個B型顯示圖像在橫向上的位置進(jìn)行移動來擴(kuò)充樣本。螺孔裂紋、軌頭核傷、軌底傷損、其他傷損、其他無傷樣本數(shù)依次為79 200、92 400、42 240、13 200和92 400。采用smote算法過采樣，使任意兩類樣本數(shù)比例接近1∶1，以解決各類樣本不均衡的問題。每個樣本均人工標(biāo)注超聲波反射體類別及位置。

在各類樣本集中隨機(jī)選取80%作為訓(xùn)練集，剩余的20%作為測試集，在訓(xùn)練集上每訓(xùn)練5輪，計算驗(yàn)證集的準(zhǔn)確性，連續(xù)15輪后準(zhǔn)確性不再提高則停止迭代。

2.3.3 Faster RCNN網(wǎng)絡(luò)評估

每種類別下都可得到測試樣本為該類的得分值，可繪制出16條受試者工作特征曲線(ROC曲線)，最后對所有ROC曲線取均值，對Faster RCNN網(wǎng)絡(luò)模型參數(shù)進(jìn)行精調(diào)，將曲線下面積為0.939的ROC曲線代表的模型作為最終模型，見圖4。

圖4 訓(xùn)練后模型的ROC曲線

超聲波反射體智能識別類別為16類，小于超聲波反射體總體類別數(shù)量，未智能識別的超聲反射體類別由探傷儀復(fù)核后人工確認(rèn)。研究發(fā)現(xiàn)，線路中存在非傷損超聲波反射體B型顯示圖像與傷損B型顯示圖像完全一樣的現(xiàn)象，例如螺孔多孔與螺孔裂紋的B型顯示圖像無法區(qū)分。因此，僅對單次檢測數(shù)據(jù)進(jìn)行分析，會將螺孔多孔誤識別成螺孔裂紋，造成誤報。為解決這一難題，需要對多次檢測數(shù)據(jù)進(jìn)行對比分析，更新區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)后將非傷損超聲波反射體在預(yù)警中自動濾除。

3 區(qū)段檢測數(shù)據(jù)的自動對比分析

3.1 區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)

區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)是經(jīng)過工務(wù)段探傷儀復(fù)核回注更新后的區(qū)段檢測數(shù)據(jù)，傷損預(yù)警均已確定，如鋼軌傷損的等級、位置、類型等。區(qū)段檢測數(shù)據(jù)更新到區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)后，區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)即可代表該線路區(qū)段所有歷史檢測周期的超聲波反射體序列。

圖2中數(shù)據(jù)，經(jīng)過探傷儀復(fù)核后發(fā)現(xiàn)最左側(cè)的螺孔裂紋(L)實(shí)際為螺孔多孔(D)，漏檢1處螺孔裂紋(L)，則該區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)FQB更新為

FQB={D，A，L，A，A，L，K，A，L，A，L}

(4)

3.2 區(qū)段檢測數(shù)據(jù)自動對比分析

目前傷損對比分析采用人工方式進(jìn)行，操作員同時回放歷史數(shù)據(jù)和當(dāng)次數(shù)據(jù)，依據(jù)傷損特征的位置判斷是否為同一傷損。由于鋼軌探傷車兩次檢測的物理定位通常存在偏差，僅依據(jù)位置容易出現(xiàn)誤判。本文采用超聲波反射體序列描述區(qū)段檢測數(shù)據(jù)，序列比對時采用編輯距離法，比對超聲波反射體間的相對位置，避免了兩次檢測中絕對位置不同帶來的不利影響。

編輯距離法是用于計算字符串相似度的方法[12]。用于計算從字符串a(chǎn)變換到字符串b需要的最少變換次數(shù)，這種變換包括：針對單個字符進(jìn)行插入、刪除、替換。本文將超聲波反射體的類別看作字符串中的字母，將區(qū)段檢測數(shù)據(jù)FQD看作字符串a(chǎn)、區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)FQB看作字符串b，采用編輯距離算法將序列FQD與FQB對比。用edit[i][j]表示FQD串第0個字母特征到第i個字母特征組成的序列和FQB串第0個字母特征到第j個字母特征組成的序列之間的編輯距離，則編輯距離的動態(tài)規(guī)劃方程為

(5)

flag為

(6)

根據(jù)動態(tài)規(guī)劃方程可得到動態(tài)規(guī)劃矩陣，在動態(tài)規(guī)劃矩陣中找到回溯路徑，再將回溯路徑反過來即可得到編輯操作路徑。

自動對比分析采用點(diǎn)陣分析法將當(dāng)次檢測的區(qū)段檢測數(shù)據(jù)與區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)進(jìn)行序列比對，將式(3)與式(4)兩個序列進(jìn)行編輯距離計算，計算值見圖5，可得出FQD與FQB的最小編輯距離為2，即當(dāng)次檢測數(shù)據(jù)的區(qū)段檢測數(shù)據(jù)中，有2個超聲波反射體與區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)中的超聲波反射體不一致。

圖5 FQD與FQB編輯距離比對

尋找FQD與FQB兩個序列的最佳比對，只需沿著最小編輯距離進(jìn)行回溯，回溯方向見圖5中箭頭所示。由圖5可見，F(xiàn)QD與FQB的區(qū)別：FQD中左數(shù)第一個字母特征、第6個字母特征與FQB中字母特征不一致，見圖6。

FQBDALAALKALALFQDLALAA—KALAL

圖6FQD與FQB比對結(jié)果

區(qū)段檢測數(shù)據(jù)與區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)進(jìn)行超聲波反射體序列比對時，采用超聲波反射體間相對位置進(jìn)行比對，解決了各檢測周期數(shù)據(jù)絕對位置不一致的問題。

3.3 區(qū)段檢測數(shù)據(jù)分級比對

區(qū)段檢測數(shù)據(jù)與區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)進(jìn)行比對時，計算量與兩個序列中超聲波反射體數(shù)量乘積成正比。為減少計算量，提高比對速度，對區(qū)段檢測數(shù)據(jù)中的超聲波反射體進(jìn)行分級對比，將超聲波反射體分為3個等級：

(1)雜波(O) 第一級超聲波反射體，指復(fù)核時未發(fā)現(xiàn)導(dǎo)致超聲波反射的機(jī)械結(jié)構(gòu)，也未發(fā)現(xiàn)鋼軌傷損，需要依據(jù)下一周期是否出現(xiàn)決定是否將其加入鋼軌傷損預(yù)警報告中。如在下一周期中出現(xiàn)，則可更新為傷損，加入預(yù)警報告中，進(jìn)行復(fù)核；如在下一周期未出現(xiàn)，則仍為雜波(O)，不加入鋼軌傷損預(yù)警報告。

(2)傷損 第二級超聲波反射體，包括螺孔裂紋(L)、軌底核傷(M)、內(nèi)側(cè)軌頭核傷(NN)、外側(cè)軌頭核傷(NW)、內(nèi)中外軌頭核傷(NA)、內(nèi)中軌頭核傷(NNZ)、中外軌頭核傷(NZW)，代表該級超聲波反射體為重點(diǎn)關(guān)注、可能發(fā)展的鋼軌缺陷；該類缺陷需加入鋼軌傷損預(yù)警報告中。

(3)固有機(jī)械結(jié)構(gòu) 第三級超聲波反射體，包括螺孔(A)、導(dǎo)線孔(Z)、鋼軌接縫(K)，該級超聲波反射體屬于鋼軌中固有的結(jié)構(gòu)，在鋼軌傷損預(yù)警報告中不體現(xiàn)。

在區(qū)段檢測數(shù)據(jù)比對時，首先依照第三級超聲波反射體進(jìn)行編輯距離比對，依據(jù)已經(jīng)比對成功的第三級超聲波反射體將區(qū)段檢測數(shù)據(jù)與區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)序列分成小段，在每個小段序列上進(jìn)行第二級超聲波反射體序列比對；依據(jù)已經(jīng)比對成功的第二級超聲波反射體將區(qū)段檢測數(shù)據(jù)與區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)序列分成小段，在每個小段序列上進(jìn)行第一級超聲波反射體序列比對。比對完成后匯總3個等級的比對結(jié)果，形成預(yù)警報告。

通過分級，對比計算量與不同級別超聲波反射體數(shù)量乘積之和成正比，減小了計算量，提升了比對效率。

3.4 鋼軌傷損自動預(yù)警

根據(jù)鋼軌傷損自動對比分析結(jié)果，可以自動出具鋼軌傷損預(yù)警報告。

由于FQB中的超聲反射體均經(jīng)過歷次復(fù)核確認(rèn)，為標(biāo)準(zhǔn)數(shù)據(jù)，因此依據(jù)FQB與FQD比對結(jié)果可以得知：當(dāng)次檢測中，將第一個特征螺孔多孔識別成了螺孔裂紋，將第6個特征螺孔裂紋漏檢。在預(yù)警報告中不再進(jìn)行螺孔裂紋預(yù)警，而對漏檢的螺孔裂紋進(jìn)行漏檢預(yù)警。采用編輯距離法進(jìn)行鋼軌傷損自動預(yù)警，代替了探傷車數(shù)據(jù)回放過程中的人工對比方式。

3.5 區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)更新

工務(wù)段依據(jù)鋼軌探傷車預(yù)警報告，使用探傷儀對報告中的預(yù)警信息進(jìn)行精細(xì)復(fù)核后返回復(fù)核報告，人工將復(fù)核結(jié)果回注到區(qū)段檢測數(shù)據(jù)中，區(qū)段檢測數(shù)據(jù)將該復(fù)核結(jié)果更新為區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)，為下一次鋼軌探傷車檢測數(shù)據(jù)分析提供參考標(biāo)準(zhǔn)?；刈⒉襟E為

Step1復(fù)核確認(rèn)為傷損的，維持超聲波反射體不變，更新傷損實(shí)際位置信息。

Step2復(fù)核確認(rèn)為固有機(jī)械結(jié)構(gòu)的，將超聲波反射體更新為固有機(jī)械結(jié)構(gòu)，并更新該超聲波反射體的類別和位置。

Step3復(fù)核后未發(fā)現(xiàn)異常的，將超聲波反射體更新為雜波(O)，并更新該超聲波反射體的類別和位置。

Step4刪除已更換維修后的鋼軌傷損類別及位置信息。

4 傷損自動預(yù)警試驗(yàn)驗(yàn)證

4.1 單區(qū)段人工預(yù)警與自動比對驗(yàn)證

采用某鐵路集團(tuán)有限公司某區(qū)段的鋼軌探傷車檢測數(shù)據(jù)進(jìn)行傷損自動預(yù)警試驗(yàn)。該區(qū)段為無縫線路，全長約9 km，采用2017年12月的檢測數(shù)據(jù)及復(fù)核結(jié)果生成區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)，共含有超聲波反射體582個，其中第一級超聲波反射體221個，第二級、第三級超聲波反射體共361個。部分超聲波反射體見圖7。

圖7 區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)與區(qū)段檢測數(shù)據(jù)

2018年1月，鋼軌探傷車對該區(qū)段進(jìn)行了第2次檢測，針對第2次檢測數(shù)據(jù)進(jìn)行了自動預(yù)警。采用Faster RCNN方法對超聲波反射體進(jìn)行智能識別分類，區(qū)段檢測數(shù)據(jù)中共含有超聲波反射體363個。對區(qū)段檢測數(shù)據(jù)與區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)進(jìn)行序列比對，共預(yù)警傷損3處，其中2處為新增預(yù)警，1處為監(jiān)控預(yù)警。自動預(yù)警耗時約2 min。比對后的部分特征見圖7所示。圖7中，軌腰位置的藍(lán)色及粉色圖形為固有機(jī)械結(jié)構(gòu)，軌頭橙色圖形為雜波和傷損。

為驗(yàn)證本文提出的自動預(yù)警方法，采用人工方式對第2次檢測數(shù)據(jù)進(jìn)行回放，并與鋼軌《傷損比對監(jiān)控表》進(jìn)行人工對比，形成鋼軌傷損預(yù)警報告。人工對比分析數(shù)據(jù)最終對3處進(jìn)行傷損預(yù)警，耗時約30 min。

對比人工預(yù)警與自動預(yù)警結(jié)果，最終預(yù)警均為傷損3處，二者數(shù)量、位置相同，自動預(yù)警方法在相同準(zhǔn)確性的前提下，效率大大提高。

4.2 多個區(qū)段人工預(yù)警與自動比對驗(yàn)證

為驗(yàn)證基于編輯距離計算的自動比對預(yù)警方法的可靠性，收集了5個區(qū)段的周期檢測數(shù)據(jù)，進(jìn)行人工預(yù)警與自動預(yù)警對比，預(yù)警結(jié)果及預(yù)警時間對比見圖8。

(a)預(yù)警結(jié)果

(b)預(yù)警耗時

圖8 預(yù)警結(jié)果及預(yù)警耗時對比

由圖8(a)可以看出，5個區(qū)段的傷損預(yù)警對比中，在第3個區(qū)段中，自動預(yù)警比人工預(yù)警多1個傷損，經(jīng)核實(shí)此處為人工預(yù)警漏報，其他區(qū)段自動預(yù)警結(jié)果均與人工預(yù)警結(jié)果相同，自動預(yù)警方法有效。由圖8(b)看出，在5個區(qū)段中自動預(yù)警耗時均遠(yuǎn)低于人工預(yù)警耗時。

5 結(jié)束語

針對當(dāng)前鋼軌探傷車檢測數(shù)據(jù)采用人工回放和人工對比方式效率較低的問題，提出一種基于智能識別技術(shù)與周期檢測的鋼軌傷損自動預(yù)警方法。采用Faster RCNN深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)對檢測數(shù)據(jù)中超聲波反射體的類型和位置進(jìn)行智能識別，將識別出的超聲波反射體類別按位置進(jìn)行排序，形成區(qū)段檢測數(shù)據(jù)?；谥芷跈z測數(shù)據(jù)及探傷儀復(fù)核結(jié)果形成區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)，采用編輯距離法將區(qū)段檢測數(shù)據(jù)與區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)進(jìn)行自動對比，為減少計算量，對超聲波反射體類別進(jìn)行分級對比，自動對比后生成傷損預(yù)警報告。區(qū)段標(biāo)準(zhǔn)檢測數(shù)據(jù)由探傷儀復(fù)核后更新。為驗(yàn)證自動預(yù)警方法的有效性，對某鐵路集團(tuán)有限公司5個區(qū)段的檢測數(shù)據(jù)進(jìn)行自動預(yù)警測試，將自動預(yù)警結(jié)果與人工預(yù)警結(jié)果進(jìn)行對比，自動預(yù)警結(jié)果略優(yōu)于人工對比結(jié)果，且預(yù)警時間大幅縮短，能夠提高鋼軌傷損預(yù)警效率。