(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210713506.1 (22)申请日 2022.06.22 (71)申请人 西安理工大 学 地址 710048 陕西省西安市金花 南路5号 (72)发明人 焦尚彬　杨智　李玉军　焦汀洋　 张青　 (74)专利代理 机构 北京国昊天诚知识产权代理 有限公司 1 1315 专利代理师 李潇 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 10/762(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种针对 超声B显数据的钢轨伤损识别方法 (57)摘要 一种针对超声B显数据的钢轨伤损识别方 法， 步骤为： 1)， 利用超声波探伤车采集伤损B显 数据； 2)， 绘制伤损B显图像， 获得裁剪后的伤损B 显图像； 3)， 对裁剪后的伤损B显图像设置标签， 建立典型伤损B显图像样本库； 4)， 基于伤损B显 图像样本对图像 分类模型进行训练， 构建伤损识 别模型； 5)， 对步骤1的伤损B显数据进行超声信 息组合划分， 获得超声信息组合数据； 6)， 对超声 信息组合数据进行伤损超声信息群的划分， 实现 完整伤损数据提取； 7)， 伤损B显图像重绘， 重绘 后的伤损B显图像中仅包含一个伤损超声信息 群； 8)， 将重绘B显图像作为伤损识别模型的输入 进行伤损智 能识别； 具有提高判伤效率， 降低误 报率和漏报率的特点。 权利要求书1页 说明书7页 附图5页 CN 115082404 A 2022.09.20 CN 115082404 A 1.一种针对 超声B显数据的钢轨伤损识别方法， 其特 征在于， 包括以下步骤： 步骤1， 利用超声 波探伤车在国家标定段采集伤损B显数据； 步骤2， 利用回放软件绘制伤损B显图像， 以伤损B显图像为中心进行裁剪， 获得裁剪后 的伤损B显图像； 步骤3， 对裁 剪后的伤损B显图像设置标签， 建立典型伤损B显图像样本库； 步骤4， 基于典型伤损B显图像样本对图像分类模型进行训练， 构建伤损识别模型； 步骤5， 对步骤1的伤损B显数据进行超声信息组合划分， 获得超声信息组合数据； 步骤6， 采用聚类算法对物理位置上临近的超声信息组合进行拼合完成伤损超声信息 群的划分， 从而实现完整伤损数据提取； 步骤7， 基于完整伤损数据的伤损B显图像重绘， 重绘后的伤损B显图像 中仅包含一个伤 损超声信息群； 步骤8， 将重绘B显图像作为伤损识别模型的输入进行伤损智能识别。 2.根据权利要求1所述的一种针对超声B显数据的钢轨伤损识别方法， 其特征在于， 所 述的步骤4中， 图像分类模型选择在图像分类任务上精度最高的EfficientNet网络训练伤 损识别模 型； 采用正余弦算法SCA在伤损B显图像样 本集上对EfficientNet基线网络的缩放 系数α、 β、 γ进行优化； 采用迁移学习的策 略对模型参数进行优化， 提高伤损识别模型的精 度。 3.根据权利要求1所述的一种针对超声B显数据的钢轨伤损识别方法， 其特征在于， 所 述的步骤5中， 按照通道和位置相关性， 结合不同伤损所对应通道组合将原始B显数据流划 分为四组超声信息组合。 4.根据权利要求1所述的一种针对超声B显数据的钢轨伤损识别方法， 其特征在于， 所 述的步骤6中， 采用基于密度的聚类算法DBSCAN对超声信息组合数据进行伤损 超声信息群 的划分。 5.根据权利要求1所述的一种针对超声B显数据的钢轨伤损识别方法， 其特征在于， 所 述的聚类算法， 其 步骤为： 首先， 采用K ‑中位最近邻算法和中位数法生成Eps参数列表； 其次， 采用中位数法和给定的Eps参数值列表生成Mi npts参数值列表； 最后， 基于Eps和Minpt s参数值列表对最优Eps和Minpt s值； Eps和Minpt s最优参数值寻 优过程具体为： 依次选取不同K值对应的Eps、 Minpts参数值对作为DBSCAN算法的聚类参数， 得到在不同K值对应Eps、 Minpts参数值下聚类结果数目； 当聚类结果数连续三次不再发生 变化时聚类结果数达到稳定， 记当前聚类结果数为最优聚类结果数。 聚类结果数稳定后继 续进行上述操作， 直到聚类结果数发生变化； 从聚类结果数达到最优到聚类结果数发生变 化的区间称为稳定区， 对稳定区对应所有Eps、 Minpts参数值对分别求期望得到 将 作为最优Eps和Mi npts值。权　利　要　求　书 1/1 页 2 CN 115082404 A 2一种针对超声B显数据的钢轨伤损识别方 法 技术领域 [0001]本发明属于钢轨伤损识别技术领域， 具体涉及一种针对超声B显数据的钢轨伤损 识别方法。 背景技术 [0002]钢轨承载着列车运行， 是铁路运输 的系统的重要组成部分， 其服役状态直接影响 列车工作的安全性。 钢轨在长期服役期间会由于列车的挤压、 冲击而受损， 若 未能及时对这 些伤损进行检修则会导致伤损积累并扩大， 致使钢轨处于严重受损 状态。 当列车经过严重 受损的线路段时很有可能造成钢轨断裂， 导致严重的铁路交通事故。 因此及时对钢轨伤损 进行检修与维护， 确保钢轨正常、 可靠的服役具有重要意义， 我国主要采用超声波探伤车对 铁路进行伤损检测。 [0003]超声波探伤车检测 数据有A显数据与B显数据2种。 A显数据数据量巨大， 受技术原 因限制， A显数据目前无法进行存储， 主要用于现场设备状态调整、 监控。 B显数据数据量较 小， 可以实时存储。 目前， 大多数超声探伤车的伤损分类是通过将B显数据进行人工逐屏回 放对伤损进行人工判别。 这种人工判伤的模式存在着工作量大， 判别效率低， 容易造成漏 判， 误判的问题。 鉴于以上情况， 研究一种高效的、 智能的钢轨伤损智能方法是必要的。 发明内容 [0004]为克服上述现有技术的不足， 本发明的目的是提供一种针对超声B显数据的钢轨 伤损识别方法， 解决当前人工判伤存在着效率低、 智能化程度低的问题， 该方法包括训练与 应用两个阶段； 训练阶段基于典型伤损B显图像样本对图像分类模型进 行训练， 构建伤损识 别模型； 应用阶段首先从原始B显数据流中提取完整伤损数据， 完整伤损数据是指代表单个 伤损的一组数据。 基于完整伤损数据重绘伤损B显图像， 每一幅伤损B显图像仅包含一个伤 损， 利用训练好的伤损识别模型对重绘后的B显图像进行伤损分类； [0005]为实现上述目的， 本 发明采用的技术方案是： 一种针对超声B显数据的钢轨伤损识 别方法， 包括以下步骤： [0006]步骤1， 利用超声 波探伤车在国家标定段采集伤损B显数据； [0007]步骤2， 利用回放软件绘制伤损B显图像， 以伤损B显图像为中心进行裁剪， 获得裁 剪后的伤损B显图像； [0008]步骤3， 对裁 剪后的伤损B显图像设置标签， 建立典型伤损B显图像样本库； [0009]步骤4， 基于典型伤损B显图像样本对图像分类模型进行训练， 构建伤损识别模型； [0010]步骤5， 对步骤1的伤损B显数据进行超声信息组合划分， 获得超声信息组合数据； [0011]步骤6， 采用聚类算法对物理位置上临近 的超声信息组合进行拼合完成伤损超声 信息群的划分， 实现完整伤损数据提取； [0012]步骤7， 基于完整伤损数据的伤损B 显图像重绘， 重绘后的伤损B 显图像中仅包含一 个伤损超声信息群；说　明　书 1/7 页 3 CN 115082404 A 3