Page 109 - 无损检测2024年第九期

马 骞：
基于多模态特征的重载铁路钢轨损伤检测方法

v =,n （8）
b
 
 m 
 1 
 m 
m =     2  × × n RT （9）
 
 m 
 Q 
式中：v为模态特征概念图 [11-12] ；b为定点集合；n为
边界集合；m为具有损伤特征的模态概念集合；m ， 图 1 重载铁路钢轨损伤图像
1
m ，m ，m ，m 分别表示不同损伤类型概念标签，且 用直方图均衡化的增强方式对采集的图像进行预处
R
T
Q
2
R∈Q、T∈Q ；n 为有向变量。 理，提高图像质量，预处理后的图像如图2所示。
[13]
RT
基于此，在同时采集到损伤图像后，对图像中损
伤情况的检测方式为
( Um m )
,
W m R *m T = (Em R |m T )= ( Um R ) T （10）
R
式中：W为损伤特征的关联权重；E（m |m ）为给定
T
R
m 特征后，但标注为m 的检测概率；U（m ）为存在
R
T
R
损伤标签的数量 [14] ；U（m ,m ）为同时存在有损伤
T
R
特征标签的数量。 图 2 预处理后的重载铁路钢轨损伤图像
为减少标签的错误判断，以多模量特征的显著
对预处理后的图像采用文章的特征提取方法进
形式进行概念管理，具体为
行钢轨损伤的特征提取，结果如图3所示。
( I m ,)
P
YY (m Q )= Q （11）
 Q A P =1 ( I m Q ,) P
式中：P为明显语义；I（ · ）为区分函数；（m ,P）为
Q
带有明显语义的损伤特征集合 [15] ；YY（m ）为损伤
Q
特征概念标签的检测结果。
当初选的损失标签被明显语义包裹之后，若出
现语义显著性较大的特征模量即可判定为主要损
伤，以此将其与其他损伤特征进行区分，达到重载铁 图 3 重载铁路钢轨损伤特征提取结果
路钢轨损伤检测的目的。至此，文章基于多模态特 根据上述提取的重载铁路钢轨损伤特征，采用
征完成了重载铁路钢轨的损伤检测方法设计。 基于多模态特征的钢轨损伤检测方法检测钢轨损伤

4 试验测试分析 情况，检测结果如图4所示。

上文中通过多模态特征方式设计了新的损伤
检测方法，为验证新方法在重载铁路钢轨损伤检测
中的应用可行性，本阶段通过对比测试进行论证。
为保证此次测试的真实性和适用性，以某省实际运
行的重载铁路作为测试对象。首先采用小型检测
仪对钢轨状态进行跟踪，并将现场的环境信息传送
至监测终端，获得的重载铁路钢轨损伤图像如图 1
所示。 图 4 重载铁路钢轨损伤检测结果
由于图像在传输过程中存在干扰信息，所获得 分别采用文献[1]检测方法和文献[2]检测方法作
的图像中存在干扰噪声，降低了图像的质量，文章采 为对照组，以此对不同方法的应用效果进行检验。分

71
2024 年 第 46 卷 第 9 期
无损检测