麻哲旭，杨 峰，2，乔 旭

1.中国矿业大学（北京）机电与信息工程学院，北京100083

2.中国矿业大学 煤炭资源与安全开采国家重点实验室，北京100083

截至2019 年底，我国铁路里程达到13.9 万公里以上，居世界第一位。随着铁路技术的快速发展，铁路路基病害影响铁路安全运营的问题日渐突出，其中路基下沉和翻浆冒泥尤为常见[1]。车载地质雷达检测方法以其轻便快捷、抗干扰能力强、分辨率高、快速无损等优点，已成为各国铁路路基检测的一种常用工具[2-4]。图1 为车载地质雷达检测青藏铁路路基现场照片。如图2 所示为采集地质雷达检测数据需要借助的车载地质雷达控制系统。铁路路基车载地质雷达的检测数据量非常庞大，平均每30公里产生约23 GB 的地质雷达数据，然而，目前对于地质雷达数据的解释仍以人工为主，效率低，无法形成统一标准，且依赖于经验丰富的专家。因此，如何对铁路病害进行自动识别，提高识别的效率和精度具有重要意义。

图1 青藏铁路路基车载地质雷达

图2 车载地质雷达控制系统

目前对于铁路路基病害的识别算法研究主要分为对探地雷达B-scan 剖面显示图像和A-scan 单道数据进行对比识别两种。其中针对探地雷达B-scan 剖面显示图像的识别方法大多基于雷达图像剖面灰度图，针对灰度图像人工设计病害特征，随后将特征利用支持向量机、浅层神经网络等分类算法训练，得到雷达图像识别结果。铁路路基病害的形态和尺寸多种多样，人工设计的特征无法充分提取路基病害特征，SVM（支持向量机）和浅层神经网络[5-7]识别精度难以满足实际应用需要。……