Применение нейросетевых технологий для дефектоскопии железнодорожных путей

Результат выполнения научно-исследовательской работы. Обнаружение дефектов или трещин в рельсовом пути играет важную роль в управлении железнодорожной инфраструктурой, это позволяет предотвратить аварии поездов как в летнее, так и в дождливое время года. В летний период на рельсах образуются трещины, по которым скользит колесо поезда. В дождливую погоду рельсы подвергаются коррозии, которая также приводит к образованию трещин. В настоящее время трещины или дефекты рельсов обнаруживаются, как правило, с помощью ультразвукового и магнитного методов неразрушающего контроля, однако данные методы диагностики требуют значительных затрат времени и имеют высокую стоимость. В связи с этим возникает насущная потребность в адаптации методов визуального контроля к проблеме диагностики дефектов железнодорожного пути. Предлагаемый в данной работе метод позволяет улучшить оптические изображения рельсового пути с помощью метода адаптивного выравнивания гистограммы, после чего из улучшенной фотографии рельсового пути извлекаются такие характерные признаки, как матрица совпадений уровней серого и локальный двоичный шаблон. Эти характеристики в процессе обучения нейронной сети классифицируются с помощью нейросетевого классификатора, который классифицирует изображение рельсового пути на изображения с трещинами и без трещин. Новизна данной работы заключается в использовании метода мягких вычислений для обнаружения трещин в рельсовых путях. Данная методика обучается на выборке изображений трещин, полученных в различных условиях. Метод автоматически классифицирует текущее изображение на основе обученных шаблонов, что повышает точность классификации.