車載式地鐵軌道缺陷巡檢系統關鍵技術研究

胡怡東 曾明

? 摘要：車載式地鐵軌道缺陷巡檢系統是一套功能完善、性能優良的基于計算機視覺、深度學習的巡檢系統，集成了扣件檢測、軌枕檢測、異物檢測、鋼軌檢測、感應板檢測五個檢測模塊以及缺陷檢測位置定位等，結合Tiny YOLOv3初次檢測識別和改進的YOLOv3二次檢測識別的目標檢測算法，能夠精確定位缺陷位置，實時根據所采集的圖像對軌道缺陷進行智能識別、判斷和分類，最后將軌道缺陷信息數據通過客戶端軟件存儲及上傳至電腦端實時顯示，相關維修人員能夠及時發現故障隱患并進行檢修，從而提高了軌道線路巡檢效率和準確率，保障了地鐵列車的運行安全。

? 關鍵詞：計算機視覺;深度學習;檢測模塊;精確定位;智能識別

? 一、引言

地鐵在日常城市生活中承擔著重要的交通職能，它方便了人們的交通出行，縮短了區域間的通勤時間，為社會經濟建設提供高效、有力的交通保障。然而高速、快捷的背后是軌道安全所面臨的巨大壓力與挑戰，如高頻率的列車發送讓軌道處于高負荷狀態，進而引發軌道狀態異常，威脅列車行駛安全。針對軌道安全問題，人們提出了一些檢測方法，總結起來有扣件缺陷檢測、鋼軌裂紋檢測、軌枕破裂掉塊檢測、感應板移位檢測、異物檢測等。

? 二、系統構成

本文所提出的車載式地鐵軌道缺陷巡檢系統主要由安裝在電客車底部的檢測梁、安裝在車輪軸頭上的速度傳感器、安裝在車內客室座位下的檢測機柜、部署在云服務器上的檢測數據處理服務器程序和安裝在終端監控計算機上的客戶端程序等組成。

? 三、關鍵技術

車載式地鐵軌道缺陷巡檢系統識別判斷流程主要包括數據采集、缺陷檢測、缺陷識別以及數據存儲與上傳等。其中較為關鍵的技術包括：1.軌道缺陷檢測，其包括了扣件檢測、軌枕檢測、異物檢測、鋼軌檢測、感應板檢測五個檢測模塊以及缺陷檢測位置定位;2.在結合基于計算機視覺、深度學習算法，以及Tiny YOLOv3初次檢測識別的基礎上，改進的YOLOv3二次檢測識別的目標檢測算法實現毫秒級識別，識別效果較好;3.數據存儲及上傳。

? 四、系統驗證核實

車載式地鐵軌道缺陷巡檢系統在廣州地鐵八號線安裝以來，每天能檢出彈條缺失、彈條松動、螺栓缺失、道床異物缺陷等軌道缺陷，且檢測快、識別準，能夠及時地向相應維修工班提供故障信息和故障位置，從而能及時地處理故障，保障地鐵的安全運營。

? 五、結論

本文提出的車載式地鐵軌道缺陷巡檢系統集成了扣件檢測、軌枕檢測、異物檢測、鋼軌檢測、感應板檢測五個檢測模塊以及缺陷檢測位置定位，利用計算機視覺、深度學習，結合目標檢測算法實時采集軌道道床空間全斷面高清晰圖像、精確檢測列車運行位置以及智能識別軌道缺陷，并將檢測數據通過客戶端軟件存儲及上傳到電腦實時顯示，方便工作人員監視，及時處理故障。以廣州地鐵8號線為例，驗證了本文所提出的車載式地鐵軌道缺陷巡檢系統具有檢測快、識別準，能夠及時地向相應維修工班提供故障信息和故障位置，保障了地鐵運營安全，節約了地鐵運營成本。

參考文獻：

[1]韓強，任盛偉，戴鵬等.軌道狀態巡檢系統[J].鐵路技術創新，2012（01）：48-50.

[2]胡春雄，布春明，李海峰.智能巡檢系統在線路運行中的應用[J].山西電力，2006（b10）：29-30.

[3]趙澤霖.高速軌道電力巡檢系統設計與實現[D].電子科技大學，2015.

[4]黃海軍，張飛龍.淺談軌道巡檢系統在城市軌道交通的應用[J].山東工業技術，2017（22）：119.

（作者單位：1.廣州地鐵集團有限公司運營事業總部;2.西南交通大學電氣工程學院）