CN119884674B 一种脏污道砟损伤识别方法及装置 （石家庄铁道大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119884674B(45)授权公告日2025.07.04

(21)申请号202510383975.5

(22)申请日2025.03.28

(65)同一申请的已公布的文献号申请公布号CN119884674A

(43)申请公布日2025.04.25

(73)专利权人石家庄铁道大学

地址050043河北省石家庄市北二环东路

17号

(72)发明人杨志浩程世奥冯怀平马德良常建梅邓茜孙健王明鑫

刘衡文

(51)Int.CI.

GO6F18/20(2023.01)

GO6N3/09(2023.01)

G06T7/62(2017.01)

GO6V10/20(2022.01)GO6V10/774(2022.01)GO6V10/82(2022.01)B61K9/08(2006.01)

(56)对比文件

CN119647179A,2025.03.18

CN117781867A,2024.03.29

审查员王青

(74)专利代理机构北京万新知识产权代理有限

公司16195专利代理师周家乐

权利要求书4页说明书12页附图2页

(54)发明名称

一种脏污道砟损伤识别方法及装置

(57)摘要

CN119884674B本发明公开了一种脏污道砟损伤识别方法及装置，本发明涉及铁路损伤检测技术领域。包括以下步骤：首先，采集已知水文特征参数的道砟表面近红外图像，并进行降噪和增强预处理，生成训练样本数据集。基于该数据集建立神经网络预测模型，训练样本图像作为输入，水文特征参数作为标签。采集待检测道砟的近红外图像进行预处理，获得水文特征参数预测值。同时获取脏污颗粒的几何参数。利用几何参数和预测值计算道砟渗水影响系数，并结合道砟的平均粗糙度及振动特征参数生成道砟结构响应系数。最后，采集环境参数并动态修正损伤判断阈值，综合生

CN119884674B

步骤1:采集若千已知水文特征参数的道砟表面近红外围

像，对道砟表面近红外图像进行预处理，得到训练样本图

像，将训练样本图像与对应的水文特征参数一一映射，生

成训练样本数据集，所述水文特征参数包括道砟表面积水

表面积和积水体积，所述预处理包括图像降噪预处理和图

像增强预处理

步骤2:基于训练样本数据集内的数据，建立种经网络预测模型，将训练样本数据集内的训练样本图像作为模型的输入，并以训练样本数据集内的水文特征参数作为标签，对神经网络预测模型进行训练，得到水文特征预测模型

步骤3:采集待检测道砟表面的近红外图像，对图像进行

预处理后输入完成训练的水文特征预测模型中，得到待检测道砟的水文特征参数预测值，同时获取待检测道砟表面脏污颗粒的几何参数，所述几何参数包括脏污颗粒平均粒径、脏污颗粒平均周长、脏面污积颗粒平均表面积和平均投影

步骤4:根据待检测道砟表面脏污颗粒的儿何参数，结合

水文特征参数预测值，计算得到道砟渗水影响系数，获取

道砟表面的平均粗糙度和列车经过时道砟的振动特征参数

,根据振动特征参数和平均粗糙度计算生成道砟结构响应

系数，所述振动特征参数包括振动频率和幅值

步骤5:采集待检测道砟所在地的环境参数，根据得到的环境参数对预先设置的损伤判断闯值进行动态修正，得到损伤判断修正阀值，基于得到的道砟结构响应系数和道砟渗水影响系数，综合生成道砟损伤指数，将道砟损伤指数与损伤判断修正闻值相对比，根据不同对比结果，生成对应的道砟损伤识别结果，所述环境参数包括平均降雨量、

日平均温度和日平均湿度

CN119884674B权利要求书1/4页

2

1.一种脏污道砟损伤识别方法，其特征在于，具体步骤包括：

采集若干已知水文特征参数的道砟表面近红外图像，对道砟表面近红外图像进行预处理，得到训练样本图像，将训练样本图像与对应的水文特征参数一一映射，生成训练样本数据集，所述水文特征参数包括道砟表面积水表面积和积水体积，所述预处理包括图像降噪预处理和图像增强预处理；

基于训练样本数据集内的数据，建立神经网络预测模型，将训练样本数据集内的训练样本图像作为模型的输入，并以训练样本数据集内的水文特征参数作为标签，对神经网络预测模型进行训练，得到水文特征预测模型；