轨道病害视觉检测：背景、方法与趋势

铁路作为国家重要基础设施、国民经济大动脉和大众化运输方式，对社会经济发展起着不可替代的支撑作用。轨道是铁路系统的重要组件，轨道病害检测是铁路工务部门的核心业务。传统的人工巡检不仅费时费力，而且检测结果容易受到各种主观因素的影响。因此，自动化轨道病害检测对维护铁路运输安全具有重要的现实意义。考虑到视觉检测在速度、成本和可视化等方面的优势，本文聚焦于轨道病害视觉检测技术。首先以广泛应用的无砟轨道为例介绍轨道的基本结构，对常见的轨道表观病害进行样例展示、成因分析和影响评价；简要梳理常见的自动化轨道检测技术的基本原理和应用场景，对轨道病害视觉检测面临的图像质量不均、可用特征较少和模型更新困难等主要挑战进行归纳；然后，依照前景模型、背景模型、盲源分离模型及深度学习模型的分类逻辑对轨道病害视觉检测领域的研究现状进行综述，简要介绍了各类方法的代表性工作，总结了各类方法的技术特点与应用局限性；最后，针对智能化铁路的发展需求，展望了未来轨道病害视觉检测技术的研究趋势，即利用小样本/零样本学习、多任务学习与多源异构数据融合等技术手段来解决当前视觉检测系统中的鲁棒性弱、虚警率高等问题。