钢轨表面伤损的细粒度图像识别

来源：同济大学学报·自然科学版杂志2025年第1期北京时间：

作者：周宇，姚心弦，姚凯洲，陆乾晖，张子豪

单位：1.同济大学 道路与交通工程教育部重点实验室，上海 201804;2.同济大学 上海市轨道交通结构耐久与系统安全重点实验室，上海 201804;3.上海地铁维护保障有限公司工务分公司，上海 200233

摘要：基于智慧工务对钢轨轨面状态和伤损的精准识别、定量化修理等需求，结合深度学习和机器视觉，提出了钢轨轨面伤损细粒度图像识别与量化方法。通过采集轨面状态和伤损图像并实现伤损细粒度标注，建立轨面伤损RD-1 094数据集，其中的目标密度达到了每图22.9个。建立轨面伤损深度学习目标检测算法，通过对RD-1094数据集的训练和学习，实现了对0.5~30mm的剥离掉块、波长20~200mm的波磨等轨面伤损及其各自发展阶段特征的识别，达到毫米级细粒度。算法对单双排波磨、细小密集和轻重伤剥离掉块、单支和成片疲劳裂纹等能较好的兼容性，可以实现轨面光带形位、伤损尺寸、轻重伤总数、分布面积、波磨波长等状态和伤损的量化评估。

关键词：轨道交通,钢轨,表面伤损,目标检测,图像识别

基金资助：上海市科委科技计划（20dz1203100）；中央高校基本科研业务费（2022-5-ZD-04）；浙江省交通运输厅科技计划（2023024）