暴學(xué)志 徐穩(wěn) 柴雪松 李健超 王寧 馬學(xué)志

1.中國鐵道科學(xué)研究院集團有限公司鐵道建筑研究所，北京 100081；2.中國鐵道科學(xué)研究院集團有限公司高速鐵路軌道技術(shù)國家重點實驗室，北京 100081；3.廣西計算中心有限責(zé)任公司，南寧 530000

隨著經(jīng)濟的發(fā)展，我國高速鐵路大量投入運營，部分線路無砟道床在服役期內(nèi)出現(xiàn)軌道板裂縫、CA砂漿層離縫、混凝土缺損等傷損，影響軌道結(jié)構(gòu)穩(wěn)定性及旅客舒適性，嚴(yán)重時還會對列車運行安全造成較大隱患。對無砟道床表觀傷損檢測主要依賴人工巡檢方式［1-2］。人工巡檢不僅成本高、效率低，且檢測結(jié)果極大依賴巡檢工人的經(jīng)驗和責(zé)任心。準(zhǔn)確檢測無砟道床表觀傷損，及時整修，并對劣化傷損數(shù)據(jù)進行分析，掌握軌道表觀傷損劣化演變規(guī)律，對軌道結(jié)構(gòu)科學(xué)維護具有重要意義［3-4］。目前，缺乏有效的無砟道床表觀傷損檢測手段，嚴(yán)重制約著高速鐵路軌道維修技術(shù)的發(fā)展［5］。在我國鐵路運維智能化發(fā)展趨勢下，迫切需要采用新技術(shù)、新方法來研制面向鐵路無砟道床的新型檢測設(shè)備，提高無砟道床表觀傷損檢測的自動化水平及智能識別與狀態(tài)評估能力，以滿足鐵路安全運行、高效運營和精細化養(yǎng)護的需求。

近些年，人工智能技術(shù)不斷發(fā)展，無砟道床表觀傷損檢測在理論研究方面取得了較大進展，但在現(xiàn)場應(yīng)用方面還無成熟產(chǎn)品。基于圖像視覺檢測技術(shù)研制無砟道床表觀傷損檢測系統(tǒng)，與其他自動化檢測技術(shù)相比，在安全性、準(zhǔn)確性、可視化、智能化等方面具有較大優(yōu)勢，可滿足當(dāng)前運維部門迫切需求，具有較好的市場應(yīng)用前景。

本文基于無砟道床表觀傷損檢測需求，利用圖像識別、機械設(shè)計等技術(shù)，開展無砟道床表觀傷損檢測技術(shù)研究，研制無砟道床表觀傷損檢測系統(tǒng)，為現(xiàn)場檢測提供智能、準(zhǔn)確、高效、便攜的檢測裝備。

1 無砟道床結(jié)構(gòu)與典型傷損

截至2020年底，我國高速鐵路無砟軌道營業(yè)里程已達2.3萬km，約占高速鐵路營業(yè)里程的61%。無砟道床鋪設(shè)里程及比例分布如圖1所示。

圖1 無砟道床鋪設(shè)里程及比例分布

對京滬、哈大、武廣、京津、盤營、滬寧、蘭新等線路表觀傷損數(shù)據(jù)進行分析，并按照傷損形式將傷損分為兩類，見表1。

表1 無砟道床表觀傷損分類

B類傷損特征明顯，人工巡檢時容易識別并定性判斷，可結(jié)合巡檢車等方式檢測。A類傷損細微，形式多樣、不規(guī)則，離縫傷損分布在軌道板側(cè)面，巡檢車檢測精度無法滿足該類傷損檢測要求，人工巡檢定量檢測難度大、效率低，檢測結(jié)果易受人員因素影響，缺乏有效手段進行檢測。因此，結(jié)合運維管理部門需求，無砟道床表觀傷損檢測系統(tǒng)以檢測A類傷損為目標(biāo)。

2 系統(tǒng)方案

基于圖像技術(shù)的無砟道床表觀傷損檢測系統(tǒng)技術(shù)方案主要由圖像采集、傷損智能識別、評估分析三部分構(gòu)成。

2.1 圖像采集

無砟軌道結(jié)構(gòu)主要由鋼軌、扣件、軌道板、砂漿填充層、底座板、限位結(jié)構(gòu)等部分組成，其中扣件以下至底座板之間的混凝土結(jié)構(gòu)是無砟道床的主要部分。通過安裝可在無砟軌道上連續(xù)移動的圖像采集裝置實現(xiàn)無砟道床表觀圖像采集（圖2）。檢測時人工推行軌道小車連續(xù)運行，安裝在走行輪軸頭的觸發(fā)編碼器為采集相機提供觸發(fā)信號，采集相機連續(xù)采集無砟道床表觀高清圖像，處理單元對采集到的圖像進行信息處理、分析及存儲，得到無砟道床表觀圖像數(shù)據(jù)。

圖2 圖像采集裝置

2.2 傷損智能識別

基于深度學(xué)習(xí)技術(shù)實現(xiàn)無砟道床表觀傷損智能識別。首先對傷損樣本圖像預(yù)處理，顯化傷損特征，實現(xiàn)傷損區(qū)域圖像增強，使用標(biāo)注工具對每張圖像進行像素級語義分割標(biāo)注，建立傷損特征分布均衡且滿足一定規(guī)模的病害樣本數(shù)據(jù)集，將數(shù)據(jù)集按一定比例分為訓(xùn)練集和驗證集［6］。然后構(gòu)建基于編碼-解碼架構(gòu)的深度神經(jīng)網(wǎng)絡(luò)病害分割模型，將訓(xùn)練集的圖片輸入到分割模型的編碼網(wǎng)絡(luò)提取特征，再輸入到解碼網(wǎng)絡(luò)中將提取的特征生成對象分割結(jié)果，持續(xù)進行模型訓(xùn)練。通過驗證集對模型識別能力進行評估，找到最優(yōu)的模型參數(shù)。最后采用訓(xùn)練后的模型對無砟道床表觀采集圖像快速檢測，識別裂縫、離縫、缺損等像素級類別和位置，依據(jù)圖像尺度提取傷損幾何尺寸信息，實現(xiàn)無砟道床表觀傷損的快速自動化檢測。隨著檢測數(shù)據(jù)的增多，樣本庫數(shù)據(jù)不斷豐富，深度神經(jīng)模型不斷訓(xùn)練、學(xué)習(xí)，可大大提高識別準(zhǔn)確率。

2.3 評估分析

根據(jù)Q/CR 803—2020《高速鐵路無砟道床傷損評定》［7］規(guī)定建立評估模型。首先確定無砟道床類型及傷損部位，然后判定傷損類型及其幾何特征，最終根據(jù)幾何特征評定傷損等級。評估流程如圖3所示。

圖3 評估流程

開發(fā)評估軟件對識別后的檢測數(shù)據(jù)進行評估分析，將里程、傷損等級、傷損圖例、傷損數(shù)量等信息智能化展示，便于歷史數(shù)據(jù)查詢、傷損劣化規(guī)律分析及存儲管理，檢測結(jié)果格式見圖4。

圖4 檢測結(jié)果格式

3 系統(tǒng)研制

無砟道床表觀傷損檢測系統(tǒng)主要由軌道小車、多通道圖像采集模塊、同步觸發(fā)模塊、采集計算機、數(shù)據(jù)處理中心等部分構(gòu)成。

3.1 軌道小車

軌道小車是檢測系統(tǒng)的移動檢測平臺，采用模塊化設(shè)計以滿足拆裝便攜的要求。軌道小車車架設(shè)計為工字形，材料選擇鋁合金，具有質(zhì)量小、剛度大、穩(wěn)定性高的優(yōu)點。小車共設(shè)4個走行輪，走行輪采用增韌尼龍或陶瓷等絕緣材質(zhì)制作而成。在走行輪與車架之間設(shè)置二次絕緣機構(gòu)，確保軌道小車運行過程中不會導(dǎo)通兩側(cè)鋼軌電阻而影響軌道信號。在其中一個走行輪上安裝觸發(fā)編碼器，并設(shè)置由限位軸、緩沖彈簧等構(gòu)成的防空轉(zhuǎn)機構(gòu)（圖5），以避免走行過程中該輪發(fā)生空轉(zhuǎn)或打滑，導(dǎo)致觸發(fā)中斷、圖像缺失。緩沖彈簧在車體重力作用下始終對觸發(fā)走行輪施加壓力，保證運行過程中觸發(fā)走行輪與鋼軌的密貼接觸。

圖5 防空轉(zhuǎn)機構(gòu)

3.2 圖像采集模塊

圖像采集模塊由多通道線陣掃描相機及激光照明單元一體化組成。線陣相機由單列感光元素構(gòu)成，可進行高頻率、高精度的連續(xù)成像，與面陣相機相比具有分辨率更高，抗干擾性、穩(wěn)定性更好，視覺范圍更大的優(yōu)點［8］。采用線陣相機對無砟道床表觀圖像采集時無砟道床固定不變，將線陣相機固定于移動軌道小車上，線陣相機相對無砟道床快速移動，線陣采集相機每收到一個觸發(fā)信號拍攝一張單像素圖像，最終將這些單像素圖片重構(gòu)拼接成大圖，可獲得較好的成像效果。

3.3 同步觸發(fā)模塊

為了避免檢測速度變化對采集圖像亮度及分辨率的影響，實現(xiàn)沿線路方向等間距固定分辨率成像，采用按距離采樣的模式觸發(fā)相機工作。將A-CHA光柵編碼器安裝在檢測輪軸上提供觸發(fā)信號，觸發(fā)信號經(jīng)分頻及同步裝置處理，可同時觸發(fā)多路信號。同步模塊工作原理如圖6所示。

圖6 同步模塊工作原理

3.4 采集計算機

在采集計算機中安裝多通道相機采集程序、激光控制程序及里程同步程序，將其固定于軌道小車上實現(xiàn)相機、激光自動控制，無砟道床表觀高清圖像及里程數(shù)據(jù)快速采集、傳輸、存儲，圖像數(shù)據(jù)定位和校正。

3.5 數(shù)據(jù)處理中心

數(shù)據(jù)處理中心包括GPU服務(wù)器、圖形工作站、數(shù)據(jù)存儲陣列等。GPU服務(wù)器部署傷損智能識別算法，完成傷損的快速定位和特征提取；圖形工作站負責(zé)所有人機交互動作，完成傷損智能識別、傷損狀態(tài)評估功能；數(shù)據(jù)存儲陣列保存所有數(shù)據(jù)實體，便于實現(xiàn)檢測數(shù)據(jù)規(guī)則化存儲、歷史數(shù)據(jù)對比分析、傷損發(fā)展趨勢判斷等功能。

4 試驗驗證

無砟道床表觀傷損檢測系統(tǒng)工作流程見圖7。對我國一條運營的高速鐵路開展了現(xiàn)場試驗，試驗區(qū)段3 km，上下行合計6 km。對無砟道床表觀圖像識別結(jié)果進行數(shù)據(jù)分析、計算，以驗證檢測系統(tǒng)的識別準(zhǔn)確率、檢測精度及檢測效率。

圖7 檢測系統(tǒng)工作流程

4.1 識別準(zhǔn)確率

在現(xiàn)場采集的圖像樣本中，隨機選取含裂縫、離縫及缺損的正樣本50張和不含傷損的負樣本50張。將100張測試樣本放入識別模型自動識別，識別正確則為真，識別錯誤則為假。準(zhǔn)確率測試結(jié)果見表2?？芍袛酁檎娴恼龢颖竞拓摌颖究倲?shù)為91張，其余9張判斷為假，因此計算識別準(zhǔn)確率為91%。

表2 準(zhǔn)確率測試結(jié)果

4.2 檢測精度

無砟道床表觀裂縫、離縫、缺損等傷損檢測精度由相機分辨率、相機空間布置、圖像識別算法等多個因素綜合決定。研制的無砟道床表觀傷損檢測系統(tǒng)相機分辨率為4 096×1，最大行頻26 kHz，結(jié)合相機空間布置計算得到檢測像素分辨率為0.1 mm，利用識別軟件識別結(jié)果檢測精度優(yōu)于0.1 mm?，F(xiàn)場試驗選取標(biāo)記裂縫進行人工測量，測量寬度為0.15 mm，利用檢測系統(tǒng)能準(zhǔn)確檢測出該處標(biāo)記裂縫（圖8），檢測結(jié)果顯示該裂縫寬度為0.2 mm，檢測誤差為0.05 mm。

圖8 現(xiàn)場標(biāo)記裂縫及識別結(jié)果

4.3 檢測效率

4名檢測人員利用無砟道床表觀傷損檢測系統(tǒng)對無砟道床表觀檢測，天窗點內(nèi)完成上下行6 km無砟道床表觀圖像采集共用時2 h，依此推算，一個天窗點按4 h計算，利用檢測系統(tǒng)可完成12 km無砟道床表觀圖像采集。線下數(shù)據(jù)處理中心對采集圖像進行傷損智能識別，每日可完成12 km表觀圖像識別及檢測數(shù)據(jù)分析、整理，并出具檢測報告。另有4名檢測人員利用鋼板尺、測寬儀、塞尺等工具對無砟道床表觀傷損檢測并記錄，4 h共檢測約400 m，依此推算，如果完成12 km無砟道床表觀檢測，需要申請約30個天窗。由此可見，采用研制的無砟道床表觀傷損檢測系統(tǒng)對無砟道床表觀傷損進行檢測，檢測效率可顯著提升約15倍。

5 結(jié)論

無砟道床表觀傷損檢測系統(tǒng)研制成功，為無砟道床表觀傷損檢測提供了新的手段，檢測系統(tǒng)可有效檢測裂縫、離縫、破損等傷損；識別準(zhǔn)確率達91%，檢測精度優(yōu)于0.1 mm；檢測效率相比較人工巡檢可提升約15倍。通過查詢、對比歷史數(shù)據(jù)，該系統(tǒng)可分析無砟道床表觀傷損發(fā)展趨勢，指導(dǎo)科學(xué)養(yǎng)護維修。