北京信息科技大學(xué) 王嘉寧 湯景然 蔣祝鵬 李博洋

扣件彈條是高速鐵路的重要組成部分，一旦扣件彈條產(chǎn)生裂縫，將嚴(yán)重影響高速列車行駛的穩(wěn)定性。本文分別對基于相位一致性的高速鐵路扣件彈條裂縫檢測算法和基于卷積神經(jīng)網(wǎng)絡(luò)的高度鐵路扣件彈條裂縫檢測算法，進(jìn)行了詳細(xì)的分析和探究，進(jìn)而為提升高速鐵路扣件彈條的檢測效率和質(zhì)量提供參考建議。

隨著我國經(jīng)濟(jì)的高速發(fā)展，交通行業(yè)進(jìn)步的速度也變得越來越快，高速鐵路作為當(dāng)前人們出行的主要方式，確保其穩(wěn)定性和安全性是交通行業(yè)發(fā)展過程中的核心要素。高速列車在行駛的過程中需要與扣件彈條進(jìn)行相互作用，因此，對扣件彈條的裂縫進(jìn)行有效的檢測工作，是確保高速列車穩(wěn)定、安全運(yùn)行的保障。

1 相位一致性的高速鐵路扣件彈條裂縫檢測算法

1.1 對扣件彈條裂縫進(jìn)行定位

在相位一致的基礎(chǔ)上對高速鐵路扣件彈條的裂縫進(jìn)行檢測，首先要做的就是對扣件彈條的裂縫進(jìn)行定位，通常情況下，技術(shù)人員在進(jìn)行定位時(shí)都是采用相機(jī)來對裂縫進(jìn)行圖像采集，雖然可以使檢測范圍更小，檢測結(jié)果更加準(zhǔn)確，但由于相機(jī)的分辨率較低，因此對于扣件彈條裂縫的定位工作存在著一定的難度。

首先，在對扣件彈條裂縫進(jìn)行圖像采集之后，技術(shù)人員需要對圖像進(jìn)行一定的處理，使其分辨率更高，呈現(xiàn)更加清晰的圖像。此時(shí)，技術(shù)人員要先對圖像進(jìn)行灰度化處理，以便于人眼對圖像內(nèi)容進(jìn)行觀察；接著，技術(shù)人員還需要對圖像進(jìn)行去噪處理，由于在對扣件彈條進(jìn)行圖像采集時(shí)，周圍的環(huán)境和設(shè)備會(huì)對其產(chǎn)生干擾，使得最終的圖像中含有噪聲，雖然不會(huì)對裂縫的檢測工作造成過多的影響，但為了使圖像更加細(xì)節(jié)，依然要對其進(jìn)行去噪處理；然后，技術(shù)人員要對圖像的效果進(jìn)行增強(qiáng)主要是對細(xì)節(jié)、目標(biāo)、色度等方面的處理，防止圖片不清晰、對比不明顯，進(jìn)而影響后續(xù)檢測環(huán)節(jié)的識(shí)別。

其次，在對扣件彈條的圖像進(jìn)行處理之后，需要對其進(jìn)行進(jìn)一步的定位；同時(shí)，通過對圖像的觀察，可以發(fā)現(xiàn)扣件彈條產(chǎn)生裂縫的位置通常較為集中，因此可以將檢測范圍再次進(jìn)行縮小，不僅降低了檢測難度，還提升了檢測將的準(zhǔn)確性；此時(shí)，技術(shù)人員可以根據(jù)圓形螺母與扣件彈條裂縫范圍之間的相對位置，來對扣件彈條的裂縫進(jìn)行定位，進(jìn)而為后續(xù)的檢測工作奠定基礎(chǔ)。

1.2 對扣件彈條裂縫進(jìn)行提取

對扣件彈條裂縫的提取環(huán)節(jié)是對高速鐵路扣件彈條裂縫檢測工作中最為十分重要的部分，并且會(huì)對最終的檢測結(jié)果造成直接影響，因此，在進(jìn)行扣件彈條裂縫提取環(huán)節(jié)時(shí)，必須要確保整個(gè)流程規(guī)范、嚴(yán)謹(jǐn)。

首先，技術(shù)人員需要在相位一致性的基礎(chǔ)上來對高速鐵路扣件彈條的裂縫進(jìn)行檢測。相位一致的算法主要是根據(jù)人眼對信號(hào)的感知程度的基礎(chǔ)上衍生而來的，通常被用于對低對比度的扣件彈條的邊緣性檢測工作中。基于此，在對扣件彈條進(jìn)行相位一致性的檢測時(shí)，需要對扣件彈條性能較高的頻率域進(jìn)行邊緣性檢測，并對其信號(hào)進(jìn)行處理，分解成為一系列不同的正弦信號(hào)。在對扣件彈條進(jìn)行相位一致性檢測時(shí)，主要涉及到方波信號(hào)以及三角波信號(hào)兩種，在檢測的過程中為了更好地信號(hào)變化進(jìn)行探究，可以根據(jù)信號(hào)的變化繪制傅里葉分解圖，進(jìn)而觀察到扣件彈條的方波信號(hào)在進(jìn)行跳變時(shí)，其相位度為0°；三角波信號(hào)在進(jìn)行跳變時(shí)，其相位度為90°和270°。

其次，在對高速鐵路扣件彈條裂縫進(jìn)行相位一致性檢測環(huán)節(jié)之后，還需要進(jìn)行閾值分割環(huán)節(jié)，來進(jìn)一步確保檢測結(jié)果的準(zhǔn)確性。這是由于對扣件彈條裂縫進(jìn)行相位一致性分析時(shí)，主要是對其進(jìn)行邊緣性檢測的方式，因此會(huì)受到一些來自扣件彈條表面和噪聲的影響。基于此，在對扣件彈條進(jìn)行相位一致性的檢測之后，技術(shù)人員要先采取非極大值抑制的手段，來對其檢測結(jié)果進(jìn)行規(guī)范和完善，通過查找和保留檢測結(jié)果中的局部極大值，來使最終檢測結(jié)果更加準(zhǔn)確；接著，技術(shù)人員要選擇合適的閾值，來對扣件彈條的圖像進(jìn)行二值化分割，閾值是進(jìn)行分割工作中的核心要素，因此，技術(shù)人員必須要要對多個(gè)圖像進(jìn)行檢測，然后選擇一個(gè)初步的閾值來進(jìn)行分割，接著利用感受性曲線來進(jìn)一步確定最終的閾值；在進(jìn)行閾值分割環(huán)節(jié)之后技術(shù)人員還需要對扣件彈條二值化的圖像進(jìn)行去噪處理，以便于對扣件彈條的裂縫進(jìn)行修復(fù)。

最后，如果在閾值分割環(huán)節(jié)產(chǎn)生分割失敗或是圖像中噪聲干擾過大等問題，技術(shù)人員還需要進(jìn)行一些后處理工作。例如：在對扣件彈條進(jìn)行閾值分割時(shí)，最容易在圖像中形成噪聲，此時(shí)技術(shù)人員在進(jìn)行后處理工作時(shí)，可以采用初步剔除噪音的手段，來將與扣件彈條裂縫相違和的噪音進(jìn)行消除。值得注意的是，由于扣件彈條的形態(tài)有所不同，因此在對噪聲進(jìn)行后處理工作時(shí)，應(yīng)根據(jù)扣件彈條的實(shí)際形態(tài)來選擇合適的方式。

1.3 對扣件彈條裂縫進(jìn)行識(shí)別

在對高速鐵路扣件彈條進(jìn)行處理之后的二值化圖像，已經(jīng)可以將扣件彈條裂縫的細(xì)節(jié)進(jìn)行較為明顯的體現(xiàn)，但為了檢測結(jié)果更加準(zhǔn)確，還需要技術(shù)人員對扣件彈條的裂縫進(jìn)行進(jìn)一步的識(shí)別。

首先，要對扣件彈條裂縫的二值化圖像提取特征。通常情況下，扣件彈條的裂縫會(huì)呈現(xiàn)垂直或是傾斜的分布狀態(tài)，因此，對扣件彈條的圖像進(jìn)行特征提取時(shí)，可以采用投影點(diǎn)方式來進(jìn)行，并根據(jù)處理過后的二值化圖像繪制投影效果圖，可以發(fā)現(xiàn)扣件彈條的裂縫在進(jìn)行投影之后，會(huì)使其處于投影值的峰值，進(jìn)而增加扣件彈條裂縫的辨識(shí)度。其次，技術(shù)人員需要根據(jù)扣件彈條的二值化圖像，來對其裂縫圖像進(jìn)行分類，通常是采用SVM的方法來進(jìn)行，將有裂縫的圖像記為+1，無裂縫的圖像記為-1，進(jìn)而通過函數(shù)算法實(shí)現(xiàn)對二值化扣件彈條裂縫圖像的分類。

2 卷積神經(jīng)網(wǎng)絡(luò)的高度鐵路扣件彈條裂縫檢測算法

2.1 第一級(jí)裂縫檢測

（1）卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)在對高速鐵路扣件彈條裂縫進(jìn)行檢測后所得到的圖像塊，可以作為候選裂縫的圖像塊，進(jìn)而對扣件彈條的第一級(jí)裂縫進(jìn)行檢測。通常情況下，適應(yīng)于高速鐵路扣件彈條裂縫檢測工作的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括7個(gè)層次以輸入層——卷積層——池化層——卷積層——池化層——全連接層——輸出層的結(jié)構(gòu)進(jìn)行組建。在利用卷積神經(jīng)網(wǎng)絡(luò)來對扣件彈條裂縫進(jìn)行檢測時(shí)，輸入圖像一般為28像素規(guī)格的裂縫塊圖像，技術(shù)人員需要在更大的裂縫像素區(qū)域圖像內(nèi)進(jìn)行采集。同時(shí)，對于卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來說，在對扣件彈條裂縫進(jìn)行檢測時(shí)，可以將扣件的彈條分為有裂縫和無裂縫兩種形態(tài)，進(jìn)而在卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中設(shè)置兩個(gè)不同的節(jié)點(diǎn)。除此之外，為了更好地保證卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的規(guī)范性，技術(shù)人員需要對卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)率、迭代次數(shù)、激活函數(shù)等數(shù)據(jù)進(jìn)行規(guī)范、合理的設(shè)置。

（2）卷積神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)構(gòu)建

卷積神經(jīng)網(wǎng)絡(luò)主要是對高速鐵路扣件彈條裂縫的圖像來進(jìn)行深度處理的一種模型，能夠有效避免人工檢測所造成的片面性誤差，根據(jù)扣件彈條裂縫圖像的數(shù)據(jù)，來進(jìn)行自主的學(xué)習(xí)并且從中提取出有效特征?；诖?，只有在卷積神經(jīng)網(wǎng)絡(luò)中構(gòu)建穩(wěn)定、有效的數(shù)據(jù)集，才能更好地對高速鐵路扣件彈條的裂縫進(jìn)行更加準(zhǔn)確的檢測；同時(shí)，數(shù)據(jù)集的數(shù)量是影響卷積神經(jīng)網(wǎng)絡(luò)運(yùn)行效率的重要因素，因此技術(shù)人員要充分保證卷積神經(jīng)網(wǎng)絡(luò)模型中數(shù)據(jù)集的合理性。例如：在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上反對扣件彈條的裂縫進(jìn)行檢測，可以通過滑動(dòng)窗口的形式來查找裂縫塊，裂縫塊的數(shù)據(jù)集規(guī)格越大，越能夠激發(fā)卷積神經(jīng)運(yùn)行的能動(dòng)性，進(jìn)而提升對扣件彈條裂縫的檢測效率；同時(shí)，在實(shí)際的檢測過程中，要確保卷積神經(jīng)網(wǎng)絡(luò)依據(jù)有裂縫的扣件彈條和無裂縫的扣件彈條的兩個(gè)不同節(jié)點(diǎn)，來進(jìn)行準(zhǔn)確的檢測工作。

2.2 第二級(jí)裂縫檢測

（1）提取特征

通過在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，來對高速鐵路扣件彈條的裂縫進(jìn)行檢測，為了更好地白點(diǎn)噪聲對于檢測結(jié)果的影響，所以需要技術(shù)人員自身卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行第二級(jí)裂縫檢測環(huán)節(jié)。通常情況下，對扣件彈條裂縫進(jìn)行第二級(jí)檢測，會(huì)采用SVM的方法來對裂縫進(jìn)行識(shí)別；同時(shí)，技術(shù)人員在進(jìn)行第二級(jí)裂縫檢測工作時(shí)，還需要參考第一級(jí)裂縫檢測的結(jié)果，來使第二級(jí)裂縫的檢測環(huán)節(jié)更加科學(xué)、合理。在利用SVM進(jìn)行扣件彈條裂縫識(shí)別時(shí)，技術(shù)人員要選取含有白點(diǎn)噪聲的扣件彈條裂縫圖片，并從中提取28像素的裂縫塊數(shù)據(jù)集來檢測工作的基礎(chǔ)。這樣一來，就可以通過對扣件彈條裂縫圖片進(jìn)行進(jìn)一步的白點(diǎn)去噪工作，來不斷提升高速鐵路扣件彈條裂縫檢測結(jié)果的準(zhǔn)確性。

（2）分類識(shí)別

在進(jìn)行第二級(jí)裂縫分類識(shí)別之前，還需要根據(jù)檢測結(jié)果來進(jìn)行特征提取。由于第一級(jí)裂縫檢測環(huán)節(jié)很容易受到白點(diǎn)噪聲的干擾，因此技術(shù)人員要根據(jù)白點(diǎn)噪聲與扣件彈條裂縫之間的差異，在圖像中提取特征，進(jìn)而對第二級(jí)裂縫進(jìn)行分類識(shí)別。在進(jìn)行分類識(shí)別的過程中，技術(shù)人員要將每一張扣件彈條的圖像中，所有的候選裂縫塊通過SVM的手段進(jìn)行分類識(shí)別，來使技術(shù)人員清楚、準(zhǔn)確地掌握白點(diǎn)噪聲和裂縫塊的構(gòu)成，以便于更好地進(jìn)行后續(xù)的檢測工作。這樣一來，基于卷積神經(jīng)網(wǎng)絡(luò)來對高速鐵路扣件彈條裂縫進(jìn)行檢測的結(jié)果就更加具有準(zhǔn)確性和完整性了；同時(shí)，通過進(jìn)行第一級(jí)裂縫檢測和第二級(jí)裂縫檢測環(huán)節(jié)，還能夠降低圖像中的干擾因素，進(jìn)而提升裂縫檢測工作效率。

結(jié)論：綜上所述，扣件彈條作為高速鐵路運(yùn)行中的重要組成部分，必須要利用先進(jìn)的檢測設(shè)備，來對扣件彈條的裂縫進(jìn)行及時(shí)、有效的檢測工作?；谙辔灰恢滦缘母咚勹F路扣件彈條裂縫檢測算法和基于卷積神經(jīng)網(wǎng)絡(luò)的高度鐵路扣件彈條裂縫檢測算法是目前較為有效的檢測方式，可以更好地提升對扣件彈條檢測的準(zhǔn)確性。