劉奇鋒 許貴陽 白堂博

（1.北京建筑大學機電與車輛工程學院，北京 100044；2.北京建筑大學城市軌道交通車輛服役性能保障北京市重點實驗室，北京 100044）

軌道扣件的功能是將鋼軌固定，使鋼軌保持軌道間距，同時避免鋼軌相對于軌枕的縱橫向移動［1-2］。常用軌道扣件的緊固件分為六角螺栓和掛鉤螺栓2 種。在軌道巡檢過程中，常見的軌道扣件異常狀況包括扣件移位、扣件部分斷裂、扣件丟失等，是列車正常運行的巨大隱患。

過去，由專門檢測人員采用人工巡檢的方式進行軌道扣件日常檢查，需要逐個進行排查，存在許多缺點，如效率低下、工人對異常情況和潛在危險程度估計不準確等。目前，高速列車技術日益成熟，車速不斷提高，對巡線的自動化與檢測的智能化要求也越來越高。隨著圖像處理與深度學習等人工智能技術的迅猛發(fā)展，鐵路部門出于縮減人工檢測成本、提高運營安全等方面的考慮，在鐵路巡檢中越來越多地使用了自動鐵路巡檢裝備及配套的圖像處理技術［3-4］。

近年來，我國的軌道檢測多采用將具有計算機視覺和圖像處理技術的巡線設備安裝在軌檢車中，對軌道進行全自動檢測。自動巡檢過程中，對軌道進行拍攝，采集軌道圖像，再基于神經網絡或其他人工智能技術對軌道圖像進行處理，實現對扣件狀態(tài)的自動檢測。這一方法擺脫了傳統(tǒng)檢測中依賴巡道工進行現場檢測和維修的狀況，成為扣件檢測的新趨勢［5］。

本文提出一種基于YOLOv3深度學習算法的扣件定位與檢測的方法。該方法使用軌檢小車采集軌道圖像，通過YOLOv3網絡進行訓練與學習，達到自動識別軌道圖像中扣件狀態(tài)的效果［6］，并將其檢測效果與人工檢測的情況進行對比。

1 檢測算法

1.1 深度學習算法簡介

傳統(tǒng)的目標檢測技術利用檢測窗口在圖片上滑動來搜索檢測目標。其技術優(yōu)化主要表現為檢測窗口的選擇、特征的設計、分類器的設計等。檢測速度慢，檢測精度也不能保證。

隨著深度學習算法在計算機視覺領域的應用，基于深度學習算法的目標檢測技術得到迅猛發(fā)展。目前主要分為2大發(fā)展方向：①Two-Stage目標檢測算法，例如 Faster RCNN（Region Convolutional Neural Network）［7］，R-FCN（Region-Based Fully Convolutional Networks）［8］，FPN（Feature Pyramid Networks）［9］。首先將圖像的前景和背景進行分類及邊界框回歸，在待檢測目標可接受的召回率的前提下，候選窗口的數量可以控制在幾千或幾百個。再根據之前的輸出窗口進行分析，而不是像傳統(tǒng)的檢測方法那樣對整個圖像的每個區(qū)域進行分析。②One-Stage 目標檢測算法，例如YOLO（You Only Look Once）系列算法［10-12］、SSD（Single Shot Multibox Detector）算法［12］。這類算法是將圖像進行柵格化處理，直接定位檢測目標的中心點，在指定柵格上使用不同層級、不同長寬比密集采樣生成檢測錨框，來直接進行分類和回歸分析。與Two-Stage算法相比，One-Stage算法檢測速度更快，能滿足對物體進行實時檢測的要求，但目標識別精度相對較低。在實際應用中，往往要求在精度不太低的情況下滿足實時動態(tài)檢測，所以One-Stage目標檢測算法使用范圍更廣。YOLOv3算法借鑒了其他算法的長處，既保持了One-Stage目標檢測算法的檢測速度，又具有較高的目標檢測精度。

1.2 YOLOv3 算法

相比之前的YOLO 系列算法，YOLOv3 算法主要在下列3部分進行了改進：

1）采用新的特征提取網絡。使用Darknet-53替換YOLOv2使用的Darknet-19［13］，在滿足檢測實時性的同時具有更高的準確率。Darknet-53是一個53層的卷積網絡，YOLOv3 使用該卷積網絡的前52 層，所以整個YOLOv3 的結構里面沒有池化層和全連接層，有助于防止由池化導致的低級特征丟失。

2）利用多尺度特征對圖像進行檢測。YOLOv3 算法采用3 個不同尺寸預測對象，這3 個不同尺寸來自不同層級的卷積層輸出。該方法借鑒了Feature Pyramid Network 的思想：由于卷積層每隔幾層，Feature Mapping 的寬和高就會減少而通道數會增加，隨著網絡層次的加深，特征映射組成的形狀類似于金字塔，將不同層級的特征映射轉換為最終的輸出有助于提升模型在對象不同尺度大小上的表現，也就是提高模型從小目標到大目標的綜合檢測能力。

3）對象分類用Logistic 函數取代Softmax 函數。之前的YOLO 系列算法，在分類模型中進行最后的輸出前使用Softmax函數求出每個類別的概率，各類別是互斥的。YOLOv3 算法的每個類別概率單獨用邏輯回歸函數即Sigmoid 函數計算得出，所以各類別不必是互斥的，一個對象可以被預測出多個類別。

2 YOLOv3算法模型適應性改進

YOLOv3 算法使用的特征提取網絡Darknet-53 網絡采用全卷積結構，如圖1所示。

利用YOLOv3 算法模型輸入圖片后，使用雙三次插值法對輸入對象進行放縮，在圖像放縮過程中進行以灰色為背景的貼圖操作，即把放縮的圖片貼在416×416 的灰色背景圖上，使算法模型輸入的對象大小一致，均為416×416。算法實現過程中有5 次下采樣，每次均使用步長為2 的卷積。因此，特征提取網絡的最大步幅為25。特征提取后，在YOLOv3 算法模型網絡中對生成的特征圖進行上采樣、Route 等操作，達到分尺度采樣的目的；分別在32 倍、16 倍、8 倍降采樣時進行檢測，得到 13×13，26×26，52×52 這 3 個層次的輸出特征圖。利用前面的低層特征，使后面的高層能夠使用細粒度（Fine Grained）特征和更多的語義信息。最后1 個尺寸輸出使用前2 個尺寸計算的特征映射，使最后的尺寸輸出也能使用細粒度特征。

圖1 Darknet?53網絡

對應不同層次的特征圖，模型對圖片的視野感受也不同。在最小的13×13 特征圖（輸出的第1 層次）上有最大的感受視野，應使用較大的預設邊界框，適于檢測較大面積的對象；中等的26×26特征圖（輸出的第2 層次）提供中等感受視野，應使用中等預設邊界框，適于檢測中等面積的對象；較大的52×52特征圖（輸出的第3層次）提供最小的感受視野，應使用較小的預設邊界框，適于檢測較小面積的對象。

相比軌道整體，扣件圖片占據視野較小，模型訓練與檢測結果不太理想，須對YOLOv3 算法模型進行適應性改進。在Darknet-53 的基礎上加1 個步長為2的卷積核，同時添加 4 組殘差組件，由 4 組 1×1 和 3×3卷積構成，每組輸入均由前面所有組的輸出經過通道拼接而獲得。將輸入圖片進行縮放處理，變成大小為512×512 的圖片。經過6 次步長為2 的卷積核下采樣后，模型形成 8×8，16×16，32×32，64×64 這4 個層次的特征圖，增大了模型的感受視野，強化了對大物體檢測的影響，提高了圖片處理效果。

3 試驗驗證

3.1 數據集建立

利用某新型軌道巡檢儀進行數據采集。該軌道巡檢儀由電動巡檢小車和軌道狀態(tài)巡檢系統(tǒng)2部分組成，其中巡檢系統(tǒng)可以動態(tài)采集軌道表面數據，覆蓋整個軌道結構表面，采集到的高清軌面圖像像素分辨率最高可達0.3 mm，并具有海量圖像數據實時壓縮存儲及顯示加速功能。

對采集到的15 320 張鐵路軌面圖片進行預處理，選出其中的扣件信息并根據扣件狀態(tài)將其分為4 類：扣件正常（zc）、扣件丟失（ds）、扣件斷裂（dl）、扣件移位（yw）。

采用Labeling 軟件對圖像樣本數據進行處理，將需要確定的對象（正?？奂┦褂梅娇驑俗⒊鰜?，將得到的標注信息生成.xml文件，得到感興趣區(qū)域（Region of Interest，ROI），從而生成扣件圖像的訓練集和驗證集數據，見圖2。其中標注信息包括標注框左上角橫坐標Xmin、左上角縱坐標Ymin、右下角橫坐標Xmax、右下角縱坐標Ymax、標注物體種類C。

圖2 數據集制作

3.2 預設邊界框的選取與預測

對于YOLOv3 模型，選取適合的預設邊界框的參數不僅關系到其訓練的收斂速度，而且對于目標的檢測精度也會有影響。本文對扣件目標框采用K-means聚類的方法來確定先驗框參數。

根據K-means 算法的思想，將所有點作為1 個簇，將該簇一分為二，再選擇能最大程度降低聚類代價函數（即誤差平方和）的簇并將其劃分為2 個簇，或采用選取最大的簇等其他選擇方法，得出最優(yōu)的聚類結果來計算平方誤差和（Sum of the Squared Error）。平方誤差和SSE的計算公式為

式中：K為簇的個數；wi為權重；yi為第i個簇的中心點（質心）；y*表示該簇所有點的平均值。

依次進行下去，直到簇的數目等于用戶給定的數目K為止。本文進行4 個尺度的特征圖分析，每個層次賦予3 個預設邊界框。因此將K設成12，得到數據的12組預設邊界框分別為：（86，116），（96，170），（98，154），（100，161），（102，172），（102，134），（104，148），（106，165），（106，157），（113，131），（119，133），（127，145）。

而后，模型對圖片進行柵格化處理，在扣件中心預設3 個預測邊界框，然后將預測出來的邊界框的寬和高分別與預設邊界框的寬和高綁定，這樣無論開始時預測邊界框輸出的寬和高是多少，經過轉化后都是與預設邊界框的寬和高相關。經過多次懲罰訓練后，就可以對相應的邊界框進行預測。

利用Sigmoid 函數將預測偏移量縮放到0 到1 之間，使預設邊界框的中心坐標固定在一個柵格中，加快網絡收斂。實際輸出的邊界框參數為

式中：bx和by分別為最終預測輸出目標邊界框的中心橫、縱坐標；tx和ty分別為網絡預測的邊界框中心在橫、縱坐標方向上的偏移量；σ為 Sigmoid 函數；cx和cy分別為特征圖上預設邊界框中心的橫、縱坐標值（即扣件中心柵格左上角與特征圖的相對位置信息）；bw和bh分別為轉換后預測邊界框的實際寬和高，即最終預測輸出目標邊界框的寬和高；tw和th分別為寬和高的縮放比值；pw和ph分別為特征圖上預設邊界框的寬和高。

將試驗所用的扣件圖像作為特征圖進行邊界框預測，如圖3所示。

圖3 預測相對位置

3.3 結果分析

將采集到的20 000 張有砟和無砟軌道圖片（其中包括預先挑選的負樣本數據）作為測試數據集，使用訓練好的模型對其進行檢測分析。與人工檢測結果對比，檢出率（檢測出的負樣本數目占總體負樣本數目的百分比）為91.5%，誤報率（將正樣本錯誤標注為負樣本的數目占整體數據的百分比）為0.5%。選取部分有砟軌道和無砟軌道的扣件目標識別圖像（圖4、圖5），分析得出扣件識別結果，見表1。

本試驗預設的扣件狀態(tài)種類的閾值（扣件種類判斷置信度的最低值）為0.8。當網絡判斷扣件的種類置信度超過0.8時，認為它是相應種類，否則不識別此扣件狀態(tài)。分析測試結果可知，此試驗訓練模型已初步具備對軌道扣件進行定位識別的能力，同時將正?；蛘弋惓顟B(tài)進行標注，并將異常狀態(tài)的圖片進行匯總，再進行定點監(jiān)測，可以減少巡線工作量，提高鐵路軌道的巡線檢測效率。

圖4 部分有砟軌道扣件目標識別圖像

圖5 部分無砟軌道目標識別圖像

表1 YOLOv3算法扣件識別結果

4 結語

本文研究了基于深度學習算法的軌道扣件自動定位與異常狀態(tài)檢測，利用檢測速度相對較快且具有高目標檢測精度的YOLOv3算法對軌道扣件進行自動檢測，滿足了快速準確識別扣件的需求，減少了人工檢測的工作量，具有一定的實際意義。

試驗過程中也暴露出一些問題，主要是軌道扣件負樣本相對于正常扣件的數量較少，不能達到很好的訓練效果，容易出現過擬合現象。因此，在后續(xù)工作中可進行如下改進：①繼續(xù)使用軌道檢測小車采集更多的軌道圖像，找尋更多的負樣本數據；②通過對抗生成網絡來進行訓練，自動生成異常狀態(tài)扣件圖像，如扣件移位、扣件斷裂、扣件丟失等，達到一定的負樣本訓練數目，從而更加準確地檢測軌道扣件狀態(tài)。