高速铁路扣件弹条裂缝检测算法研究

北京信息科技大学 王嘉宁 汤景然 蒋祝鹏 李博洋

扣件弹条是高速铁路的重要组成部分，一旦扣件弹条产生裂缝，将严重影响高速列车行驶的稳定性。本文分别对基于相位一致性的高速铁路扣件弹条裂缝检测算法和基于卷积神经网络的高度铁路扣件弹条裂缝检测算法，进行了详细的分析和探究，进而为提升高速铁路扣件弹条的检测效率和质量提供参考建议。

随着我国经济的高速发展，交通行业进步的速度也变得越来越快，高速铁路作为当前人们出行的主要方式，确保其稳定性和安全性是交通行业发展过程中的核心要素。高速列车在行驶的过程中需要与扣件弹条进行相互作用，因此，对扣件弹条的裂缝进行有效的检测工作，是确保高速列车稳定、安全运行的保障。

1 相位一致性的高速铁路扣件弹条裂缝检测算法

1.1 对扣件弹条裂缝进行定位

在相位一致的基础上对高速铁路扣件弹条的裂缝进行检测，首先要做的就是对扣件弹条的裂缝进行定位，通常情况下，技术人员在进行定位时都是采用相机来对裂缝进行图像采集，虽然可以使检测范围更小，检测结果更加准确，但由于相机的分辨率较低，因此对于扣件弹条裂缝的定位工作存在着一定的难度。

首先，在对扣件弹条裂缝进行图像采集之后，技术人员需要对图像进行一定的处理，使其分辨率更高，呈现更加清晰的图像。此时，技术人员要先对图像进行灰度化处理，以便于人眼对图像内容进行观察；接着，技术人员还需要对图像进行去噪处理，由于在对扣件弹条进行图像采集时，周围的环境和设备会对其产生干扰，使得最终的图像中含有噪声，虽然不会对裂缝的检测工作造成过多的影响，但为了使图像更加细节，依然要对其进行去噪处理；然后，技术人员要对图像的效果进行增强主要是对细节、目标、色度等方面的处理，防止图片不清晰、对比不明显，进而影响后续检测环节的识别。

其次，在对扣件弹条的图像进行处理之后，需要对其进行进一步的定位；同时，通过对图像的观察，可以发现扣件弹条产生裂缝的位置通常较为集中，因此可以将检测范围再次进行缩小，不仅降低了检测难度，还提升了检测将的准确性；此时，技术人员可以根据圆形螺母与扣件弹条裂缝范围之间的相对位置，来对扣件弹条的裂缝进行定位，进而为后续的检测工作奠定基础。

1.2 对扣件弹条裂缝进行提取

对扣件弹条裂缝的提取环节是对高速铁路扣件弹条裂缝检测工作中最为十分重要的部分，并且会对最终的检测结果造成直接影响，因此，在进行扣件弹条裂缝提取环节时，必须要确保整个流程规范、严谨。

首先，技术人员需要在相位一致性的基础上来对高速铁路扣件弹条的裂缝进行检测。相位一致的算法主要是根据人眼对信号的感知程度的基础上衍生而来的，通常被用于对低对比度的扣件弹条的边缘性检测工作中。基于此，在对扣件弹条进行相位一致性的检测时，需要对扣件弹条性能较高的频率域进行边缘性检测，并对其信号进行处理，分解成为一系列不同的正弦信号。在对扣件弹条进行相位一致性检测时，主要涉及到方波信号以及三角波信号两种，在检测的过程中为了更好地信号变化进行探究，可以根据信号的变化绘制傅里叶分解图，进而观察到扣件弹条的方波信号在进行跳变时，其相位度为0°；三角波信号在进行跳变时，其相位度为90°和270°。

其次，在对高速铁路扣件弹条裂缝进行相位一致性检测环节之后，还需要进行阈值分割环节，来进一步确保检测结果的准确性。这是由于对扣件弹条裂缝进行相位一致性分析时，主要是对其进行边缘性检测的方式，因此会受到一些来自扣件弹条表面和噪声的影响。基于此，在对扣件弹条进行相位一致性的检测之后，技术人员要先采取非极大值抑制的手段，来对其检测结果进行规范和完善，通过查找和保留检测结果中的局部极大值，来使最终检测结果更加准确；接着，技术人员要选择合适的阈值，来对扣件弹条的图像进行二值化分割，阈值是进行分割工作中的核心要素，因此，技术人员必须要要对多个图像进行检测，然后选择一个初步的阈值来进行分割，接着利用感受性曲线来进一步确定最终的阈值；在进行阈值分割环节之后技术人员还需要对扣件弹条二值化的图像进行去噪处理，以便于对扣件弹条的裂缝进行修复。

最后，如果在阈值分割环节产生分割失败或是图像中噪声干扰过大等问题，技术人员还需要进行一些后处理工作。例如：在对扣件弹条进行阈值分割时，最容易在图像中形成噪声，此时技术人员在进行后处理工作时，可以采用初步剔除噪音的手段，来将与扣件弹条裂缝相违和的噪音进行消除。值得注意的是，由于扣件弹条的形态有所不同，因此在对噪声进行后处理工作时，应根据扣件弹条的实际形态来选择合适的方式。

1.3 对扣件弹条裂缝进行识别

在对高速铁路扣件弹条进行处理之后的二值化图像，已经可以将扣件弹条裂缝的细节进行较为明显的体现，但为了检测结果更加准确，还需要技术人员对扣件弹条的裂缝进行进一步的识别。

首先，要对扣件弹条裂缝的二值化图像提取特征。通常情况下，扣件弹条的裂缝会呈现垂直或是倾斜的分布状态，因此，对扣件弹条的图像进行特征提取时，可以采用投影点方式来进行，并根据处理过后的二值化图像绘制投影效果图，可以发现扣件弹条的裂缝在进行投影之后，会使其处于投影值的峰值，进而增加扣件弹条裂缝的辨识度。其次，技术人员需要根据扣件弹条的二值化图像，来对其裂缝图像进行分类，通常是采用SVM的方法来进行，将有裂缝的图像记为+1，无裂缝的图像记为-1，进而通过函数算法实现对二值化扣件弹条裂缝图像的分类。

2 卷积神经网络的高度铁路扣件弹条裂缝检测算法

2.1 第一级裂缝检测

（1）卷积神经网络结构

卷积神经网络在对高速铁路扣件弹条裂缝进行检测后所得到的图像块，可以作为候选裂缝的图像块，进而对扣件弹条的第一级裂缝进行检测。通常情况下，适应于高速铁路扣件弹条裂缝检测工作的卷积神经网络结构包括7个层次以输入层——卷积层——池化层——卷积层——池化层——全连接层——输出层的结构进行组建。在利用卷积神经网络来对扣件弹条裂缝进行检测时，输入图像一般为28像素规格的裂缝块图像，技术人员需要在更大的裂缝像素区域图像内进行采集。同时，对于卷积神经网络结构来说，在对扣件弹条裂缝进行检测时，可以将扣件的弹条分为有裂缝和无裂缝两种形态，进而在卷积神经网络结构中设置两个不同的节点。除此之外，为了更好地保证卷积神经网络结构的规范性，技术人员需要对卷积神经网络结构的学习率、迭代次数、激活函数等数据进行规范、合理的设置。

（2）卷积神经网络数据构建

卷积神经网络主要是对高速铁路扣件弹条裂缝的图像来进行深度处理的一种模型，能够有效避免人工检测所造成的片面性误差，根据扣件弹条裂缝图像的数据，来进行自主的学习并且从中提取出有效特征。基于此，只有在卷积神经网络中构建稳定、有效的数据集，才能更好地对高速铁路扣件弹条的裂缝进行更加准确的检测；同时，数据集的数量是影响卷积神经网络运行效率的重要因素，因此技术人员要充分保证卷积神经网络模型中数据集的合理性。例如：在卷积神经网络的基础上反对扣件弹条的裂缝进行检测，可以通过滑动窗口的形式来查找裂缝块，裂缝块的数据集规格越大，越能够激发卷积神经运行的能动性，进而提升对扣件弹条裂缝的检测效率；同时，在实际的检测过程中，要确保卷积神经网络依据有裂缝的扣件弹条和无裂缝的扣件弹条的两个不同节点，来进行准确的检测工作。

2.2 第二级裂缝检测

（1）提取特征

通过在卷积神经网络的基础上，来对高速铁路扣件弹条的裂缝进行检测，为了更好地白点噪声对于检测结果的影响，所以需要技术人员自身卷积神经网络的基础上进行第二级裂缝检测环节。通常情况下，对扣件弹条裂缝进行第二级检测，会采用SVM的方法来对裂缝进行识别；同时，技术人员在进行第二级裂缝检测工作时，还需要参考第一级裂缝检测的结果，来使第二级裂缝的检测环节更加科学、合理。在利用SVM进行扣件弹条裂缝识别时，技术人员要选取含有白点噪声的扣件弹条裂缝图片，并从中提取28像素的裂缝块数据集来检测工作的基础。这样一来，就可以通过对扣件弹条裂缝图片进行进一步的白点去噪工作，来不断提升高速铁路扣件弹条裂缝检测结果的准确性。

（2）分类识别

在进行第二级裂缝分类识别之前，还需要根据检测结果来进行特征提取。由于第一级裂缝检测环节很容易受到白点噪声的干扰，因此技术人员要根据白点噪声与扣件弹条裂缝之间的差异，在图像中提取特征，进而对第二级裂缝进行分类识别。在进行分类识别的过程中，技术人员要将每一张扣件弹条的图像中，所有的候选裂缝块通过SVM的手段进行分类识别，来使技术人员清楚、准确地掌握白点噪声和裂缝块的构成，以便于更好地进行后续的检测工作。这样一来，基于卷积神经网络来对高速铁路扣件弹条裂缝进行检测的结果就更加具有准确性和完整性了；同时，通过进行第一级裂缝检测和第二级裂缝检测环节，还能够降低图像中的干扰因素，进而提升裂缝检测工作效率。

结论：综上所述，扣件弹条作为高速铁路运行中的重要组成部分，必须要利用先进的检测设备，来对扣件弹条的裂缝进行及时、有效的检测工作。基于相位一致性的高速铁路扣件弹条裂缝检测算法和基于卷积神经网络的高度铁路扣件弹条裂缝检测算法是目前较为有效的检测方式，可以更好地提升对扣件弹条检测的准确性。