DeepTrackSecure：一种集分类与检测功能于一体的系统，结合预测性风险分析技术，用于主动提升铁路安全管理水平

《Frontiers in Artificial Intelligence》：DeepTrackSecure: an integrated classification-detection system with predictive risk analytics for proactive railway safety management

　　摘要

铁路轨道故障，如裂缝、位移、腐蚀和紧固件缺失，存在严重的安全隐患，需要及时发现和优先处理。人工检查技术耗时、容易出现错误，不适用于大规模监测。本文提出了一种名为DeepTrackSecure的多阶段深度学习框架，用于铁路轨道故障检测和基于严重程度的风险预测，以克服这些限制。该系统使用YOLOv5在ResNet50作为初步筛选模型后对缺陷图像进行准确的故障区域定位，将铁路轨道图像分类为有缺陷或无缺陷。通过结合缺陷面积、检测置信度和缺陷频率，生成一个定量的严重程度得分，超越了传统的检测方法，使得风险评估更加有依据。随机森林和XGBoost模型基于此严重程度表示将轨道状况分类为低风险、中风险和高风险等级，表现出可靠且一致的决策能力。通过消融实验比较了仅使用YOLO的检测、分类-检测融合以及完整的基于严重程度的风险预测模型，验证了系统各组成部分的作用。此外，还进行了运行时间和内存分析，以确保其性能符合边缘计算和云计算部署的要求，并在模糊、噪声和低光照等恶劣条件下测试了系统的鲁棒性。实验结果表明，DeepTrackSecure作为一种决策支持和维护优先级工具，能够生成基于严重程度的风险代理值（低/中/高），这些值已通过专家意见得到验证。该系统旨在辅助维护调度决策，而不是直接作为一个可部署的操作安全系统；在更广泛的部署之前，应先改进召回率和针对实际故障事件的真实性验证。

1 引言

由于铁路运输在全球范围内对人员和货物的运输至关重要，铁路安全问题显得尤为重要。可能导致灾难性事故（如脱轨和重大碰撞）的铁路轨道结构缺陷包括裂缝、错位、腐蚀和紧固件缺失。因此，为了确保铁路运行的安全性和可靠性，及时发现并修复这些缺陷非常重要，这可以通过手工检查或使用特殊检测设备来实现，这是主要的铁路轨道检测方法。这些方法劳动强度大、耗时、成本高且高度依赖人类专业知识，因此尽管部分有效，但不适合大规模和持续监测。此外，人工检查容易出错，并且大多数情况下无法在动态变化的环境条件下提供及时的风险评估。卷积神经网络（CNN）在检测图像数据中的小缺陷和学习复杂视觉模式方面非常成功。因此，许多研究调查了使用分类和物体检测网络进行基于图像的铁路故障检测。然而，目前大多数方法主要集中在缺陷定位或检测上，而没有提供缺陷严重程度或操作风险的系统评估。

在现实世界的铁路维护情况下，仅仅发现缺陷是不够的。做出维护决策需要知道缺陷的严重程度、发生频率以及需要多快修复。目前使用的许多基于检测的系统由于缺乏基于严重程度的风险量化而实际应用性有限。此外，很少有研究在低光照、噪声和运动模糊等具有挑战性的情况下提供鲁棒性评估，或者支持多阶段架构的消融验证。本文提出了一种名为DeepTrackSecure的多阶段深度学习框架，用于预测性风险分析和铁路轨道故障检测，以克服这些缺点。该系统结合了YOLOv5在快速缺陷筛选阶段后进行准确的故障定位，使用ResNet50。除了检测之外，还结合了缺陷大小、检测置信度和缺陷频率来生成一个定量的严重程度得分。接下来，使用集成学习模型根据这一严重程度表示预测可操作的风险等级——低、中或高。该框架适用于边缘计算和基于云的铁路监测系统，因为每个系统组件的有效性都通过消融研究、实际场景中的鲁棒性测试和计算效率分析进行了系统验证。

ResNet50和YOLOv5是著名的架构，但本文的主要创新之处在于将检测证据与维护决策联系起来的维护导向式设计。为此，我们开发了一个条件性的两阶段流程，在定位之前对图像进行过滤，以便只关注必要的检测结果，并创建了一种新的缺陷严重程度表示方法（范围/面积、置信度和缺陷频率），随后将其转换为可理解的风险等级（低/中/高）用于维护任务优先级评估。我们通过消融实验、鲁棒性测试和面向部署的运行时间/内存评估证明了每个阶段的有用性。这项工作的核心创新不在于单独使用ResNet50或YOLOv5，而在于将原始检测证据与可操作的维护决策联系起来的决策理论流程。具体来说：(i) 问题重构：我们将铁路检查重新定义为维护优先级任务，其输出是维护人员可以直接使用的可解释风险标签（低/中/高），而不是报告边界框或mAP的检测任务。(ii) 基于证据的严重程度得分：我们提出了一个原则性的、有界的严重程度得分S，它将缺陷面积、检测确定性和缺陷频率结合到一个公式中。之前没有研究使用这种三个信号的组合以及有限的属性和专家校准的阈值。(iii) 条件推理设计：ResNet50筛选门避免了在非缺陷图像上不必要的YOLOv5调用，从而节省了计算资源，使其能够大规模部署，这是仅使用检测系统所不具备的效率设计。(iv) 分阶段多标准验证：我们分别通过消融实验、对抗性鲁棒性测试和专家一致性分析验证每个流程阶段，并提供了一个严谨的证据基础，而不仅仅是一个最终的指标。总体而言，输入是整个从检查到决策的流程架构及其多级验证，而不是模型组件。

最近的研究探索了结合基于CNN的筛选和基于YOLO的定位的两阶段流程（Rodríguez-Abreo等人，2024年）。然而，我们的工作是专门为维护决策支持设计的，通过将定位的缺陷证据与(i) 基于证据的严重程度表示和(ii) 可解释的低/中/高风险输出联系起来。

2 文献综述

一些当前的研究使用了基于YOLO的检测器，利用实际场景中记录的图像信息来检查铁路基础设施的故障（Yilmazer和Karakose，2023年）。为了提高捕获图像的质量和检测过程的精度，该系统结合了依赖于OpenCV库的视频稳定技术（Nandan等人，2023年）。该模型有250个训练周期，并在LabelImg的帮助下对500张图像的数据集进行了训练。该数据集用于训练和测试。该方法可以识别不同形式的故障，包括铁路边缘断裂、紧固件缺失和枕木裂缝，平均精度（mAP）为94.5%，召回率为97.3%。这种非接触式方法可以应用于实际铁路监测，因为它比传统的检查方法更快、更安全、更通用（Hashmi等人，2022年）。Minguell和Pandit（2023年）的文章比较了YOLOv5、Faster R-CNN和EfficientDet在铁路轨道上检测故障的效果。其中一篇文章提到了利用机器学习预测铁路事故风险的方法，而另一篇文章介绍了一种增强了的YOLOv5，用于检测和防止因安全漏洞而进入轨道的非法人员（Hadj-Mabrouk，2020年；Yang和Palaoag，2024年）。另一位作者的研究提出了一种利用图像处理和深度学习的多目标缺陷检测算法（Wei等人，2020年）。它引入了一种新的YOLOv3模型TLMDDNet，除了减少规模和特征串联外，还提高了准确性和效率。该模型结合了方差投影和小波变换的定位技术（Nandan等人，2023年；Lin等人，2019年）。最初使用滤波和直方图均衡来提高图像质量，然后使用Dense-SIFT进行多目标物体识别，并结合了使用SVM的重组BOVW模型（Reddy和Krishna，2025年）。最终检测使用13×13的特征图，然后使用浅层网络来提高模型的精度（Su等人，2022年）。使用北京地铁6号线的数据和其他各种图片的实验证明了该方法的高性能和比基本YOLOv3更快的收敛速度。还提出了其轻量版本DC-TLMDDNet，它基于DenseNet，因此减少了复杂性，但通过用密集连接块替换残差块并没有显著降低精度。TLMDDNet和DC-TLMDDNet的作者得出结论，这些模型是可靠的智能铁路检查工具，因为它们可以检测各种轨道和紧固件问题。这些文章中的先进程序包括半监督学习、YOLOv3、声学信号分析和层次化神经网络，用于检测铁路系统的表面损伤和故障。作者关注实时审查的改进、责任划分以及在保守和高速度铁路中的预测（Jiang等人，2023年；Poornima等人，2024年；Prakash和Tadepalli，2024年；Liu等人，2020年；Yuan等人，2019年）。

本文提出的研究致力于将深度学习技术ResNet50V2应用于基于图像的铁路缺陷智能检测。结果表明，所应用的深度学习架构在区分故障轨道和非故障轨道方面的准确率达到了86%。数据集中有384张图像，模型在30个周期内进行了训练，批量大小为16。使用的一些图像预处理工具包括像素归一化和缩放到300×300像素。研究还证明，类似ResNet18和EfficientNet的模型也可以在同一框架内使用，并在相同甚至更好的性能上进行进一步研究。根据研究结果，借助深度学习技术可以提高铁路行业的效率和安全性，进一步的研究可以扩展到维护和铁路运输基础设施。ResNet50V2被证明是一种能够识别铁路轨道中的裂缝和组件异常的深度学习工具。它生成快速的卷积特征，并能够连接到物联网以24小时连续检测故障（Rakshit和Sandeep，2022年）。文章提出了一种ResNet50V2网络深度学习框架，旨在应用于铁路行业以检测轨道故障。该系统将能够识别有缺陷或无缺陷的轨道图像，从而保证实时追踪的安全性（Kaur等人，2024年）。本文提出了一种基于YOLOv5架构的算法，用于检测高速铁路悬挂弦中的损坏，这是一个小目标但对铁路安全至关重要。该模型在准确性指标上优于标准YOLOv5，达到了98.5%，这归功于其使用MobileNetv3作为骨干网络、有效的BiFPN特征融合、CBAM注意力机制提取特征以及Focal EIoU损失来解决样本不平衡问题，同时检测速度提高了39%，参数减少了28个（Nandan等人，2023年；Efraimsson和Lemón，2022年）。该模型有2,589张无人机图像，分为三类：异常、正常和断裂的绳索。文章最后指出，该模型极其准确、耐用且高效，因此在所述方面优于其他高级模型。这项技术革命了铁路检查，尽管在某些程度上需要进一步优化才能在大规模上应用（Hadj-Mabrouk，2020年）。

人工检查也有其缺点和不准确性。因此，作者建议改进YOLOv5的版本，以用于检测铁路紧固件中的缺陷。为了帮助模型捕捉小型特征，他们应用K-means算法来选择最合适的锚框大小，并在Backbone中添加了坐标注意力单元，同时用四层模块替换了SPPF单元（Owais等人，2023年）。基于FPN的 Neck结构还结合了多尺度特征以加速处理（Shah等人，2022年）。更优化的网络在经过适当标记了四种缺陷类型（正常、缺失、位移和断裂）的数据集上取得了更高的分数，并且在精确度、召回率和mAP方面的表现也大幅提高，其整体准确率提高了0.9%，达到96.1%。这些改进在多个指标上优于原始的YOLOv5，从而展示了快速准确地识别铁路紧固件缺陷的过程。这些工作旨在创建基于YOLOv5的深度学习模型，以实现高效精确的铁路缺陷检测。其主要目标是紧固件、悬链线绳索和轨道损坏。作者提出了轻量级、优化和增强的YOLOv5版本，以便实时应用，甚至可以在低功耗或嵌入式设备中运行（Sangeetha等人，2023年；Su等人，2022年；Dang等人，2023年；Hu等人，2024年）。作者提出了BF_MB-YOLOv5，这是一款基于YOLOv5-lite的优化轻量级检测模型，适用于实时检测铁路轨道损坏，同时考虑了成本和效率（Tu等人，2021年）。与Intel Neural Compute Stick（NCS2）上的原始YOLOv5-lite相比，该模型实现了18.7 FPS的帧率和8.13%的改进，mAP提高了0.5%，达到94.4%。通过数据增强、注意力机制和融合MBConv结构，该模型在计算成本上较为低廉，但检测性能得到了显著提升（Karve等人，2024年）。在模拟天气条件下进行的系统测试以及通过OpenVINO部署的结果显示，该系统具有更高的推理速度、准确率和便携性，适用于安装在列车上的边缘AI应用（Nandan等人，2023年）。新模型不仅在AP50指标上实现了97.3%的优异成绩，还在包含4,500张图像的增强数据集上的实验结果中超越了传统方法和一系列最先进的检测器（Faster R-CNN、YOLOv4和YOLOv7）（Siddiqui等人，2022年）。基于监督学习和自我学习方法的新模型成果优于标准模型和多种最先进的检测器。正如研究中所示，改进后的YOLOv5不仅在检测铁路缺陷过程中非常准确，而且对工业检测系统也更加稳健（Nandan等人，2023年）。本文还讨论了基于物联网的自主铁路轨道故障检测系统，该系统利用声音分析来检测和定位铁路轨道中的缺陷（Yang和Palaoag，2024年）。收集的数据用于开发不同的机器学习和深度学习算法；多层感知器（MLP）模型的测试准确率达到98.4%（Yilmazer和Karakose，2023年；Wei等人，2020年；Nandan等人，2023年）。本文提出将这项技术应用于列车中，以便更有效地收集数据和识别故障。总体而言，文章强调了在维护铁路基础设施过程中需要不间断的监控、故障识别以及提高可靠性（Rajeswari等人，2024年；Kaur等人，2024年；Thinakaran等人，2024年；Samantray等人，2024年；Siddiqui等人，2022年；Parvathy等人，2017年；Dong和Wu，2024年）。因此，这些文章阐明了在铁路故障检测和预测中使用的各种技术，如对象检测网络、声学信号分析（MFCC）和机器学习模型。它们还讨论了内部缺陷的定位、弯曲预测、几何退化预测，并在自定义数据集上展示了97.97%的先进准确率（Reddy和Krishna，2025年；James等人，2018年；Lu等人，2020年）。比较和消融研究证实了该系统能够处理光照变化、提高多样性并在不同条件下进行外推（Poornima等人，2024年）。该系统的优势在于它自动化了故障检测过程，因为无需人工干预即可确定信号特征和识别轨道状态（Welankiwar等人，2018年）。机器人执行自动操作、紧急监控并发出警报以应对安全问题（La等人，2022年）。未来的工作将涉及复合建模的压缩，以进一步提高实时性能（Reddy和Krishna，2025年；Mukhtiar等人，2023年）。这些文章建议使用不同的机器学习和深度学习方法，包括CNN、LSTM和立体成像，来识别和预测铁路轨道中的缺陷。它们侧重于自动化、预测性维护和通过图像处理和基于信号的分析来增强安全性（Nandan等人，2023年；Nigam等人，2024年；Shah等人，2022年）。多项研究还探讨了使用对象检测网络、机器学习方法进行轨道内部缺陷的自动化识别、轨道几何退化预测以及基于机器视觉的检测方法（Wang等人，2024年；Liao等人，2022年；Kumar和Harsha，2024年；Mittal和Rao，2017年）。表1比较了本文讨论的铁路轨道缺陷检测方法，并从功能和操作限制的角度进行了分析。它说明了哪些方法可以识别和定位缺陷，以及哪些方法还能提供缺陷严重程度评分和风险等级预测，作为维护优先级的决策支持工具。表格还显示了是否明确提到了实时/边缘应用，并概述了主要限制。总体而言，比较指出所审查的论文主要集中在缺陷的检测/定位上，并不生成考虑严重程度的、面向决策的输出；因此，目前的概念涵盖了筛查、定位、严重程度估计以及低/中/高风险预测。

表1
研究/作者 使用的方法 基于图像的分析 集成模型 临床关注点 实时适用性
Rajeswari等人（2024） ? ? ? ? ?
Zhang等人（2023） ? ? ? ? ?
Dong和Wu（2024） ? ? ? ? ?
Wang等人（2022） ? ? ? ? ?
Lin等人（2019） ? ? ? ? ?
TrackSafe（2023）（Minguell和Pandit，2023） ? ? ? ? ?
EHA-YOLOv5（2023）（Hu等人，2024） ? ? ? ? ?
ECARRNet（2023）（Eunus等人，2024） ? ? ? ? ?
Track Buckling Study（2022）（Kaewunruen等人，2022） ? ? ? ? ?
Acoustic Sensing Study（2021）（Shafique等人，2021） ? ? ? ? ?
Comprehensive Survey（2022）（Zhao等人，2022） ? ? ? ? ?

最近的研究探索了结合基于CNN的筛查和基于YOLO的定位的两阶段检测流程（Rodríguez-Abreo等人，2024）。然而，许多这类工作主要强调检测/定位性能。相比之下，我们的框架旨在通过将局部缺陷证据与基于证据的严重程度表示和可解释的风险等级输出（低/中/高）联系起来，为维护决策提供支持。表2提供了与概念类似流程的直接比较，以明确决策输出、严重程度建模和验证设置的差异。虽然先前的文献中已经探索了基于ResNet到YOLO的两阶段流程（Rodríguez-Abreo等人，2024），但DeepTrackSecure在三个关键方面有所不同：（i）主要输出是从结构化严重程度得分得出的可解释维护风险标签（低/中/高），而不是基于mAP或精确度等检测指标；（ii）没有任何先前的两阶段工作从定位输出中综合得出严重程度得分，将缺陷面积、检测置信度和缺陷频率作为输入到集成风险分类器；（iii）消融研究验证了每个流程阶段的增量决策价值，这在类似的检测导向工作中是缺失的。表2包括Rodríguez-Abreo等人（2024）的研究，其中列出了检测输出、严重程度评分、风险预测和验证设置。我们承认，尽管文献回顾范围广泛，但缺乏明确的批判性综合。这里添加了结构化的差距分析以直接解决这一问题。所回顾的研究可以分为三个类别：（A）仅检测的系统（Yilmazer和Karakose，2023年；Wei等人，2020年；Tu等人，2021年；Sangeetha等人，2023年；Su等人，2022年；Dang等人，2023年），它们优化了mAP/精确度/召回率，但没有产生超出边界框的维护可操作输出；（B）仅分类的系统（Rakshit和Sandeep，2022年；Kaur等人，2024年；Saritas等人，2023年），它们标记有缺陷和无缺陷的图像，但不定位或量化缺陷严重程度；（C）多模态/声学系统（Siddiqui等人，2022年；Rustam等人，2023年；Shafique等人，2021年），它们使用非视觉信号，无法直接估计视觉缺陷的几何形状。在所有这三个类别中，一致观察到以下关键差距：（1）缺乏严重程度量化：没有一项研究从定位输出中得出基于公式的复合严重程度得分。仅基于置信度的规则阈值（在一些工作中使用）是非系统性的且特定于数据集的；（2）缺乏风险等级决策输出：没有一项研究将缺陷证据映射到可解释的低/中/高维护优先级标签，并经过操作标准或专家判断验证；（3）鲁棒性评估不足：只有少数研究在模糊、噪声或低光照条件下评估性能；大多数结果仅在干净的基准图像上报告。（4）缺乏基于消融的流程验证：多阶段工作很少单独隔离和量化每个阶段的贡献，因此不清楚复杂性的合理性。这些差距直接推动了DeepTrackSecure框架的构建，并对应于第III-A节中所述的主要贡献。

表2
作者/年份 方法 检测 定位 严重程度评分 风险预测 实时/边缘 限制
Yilmazer和Karakose（2023） YOLOv5 是 是 否 否 未说明
Wei等人（2020） YOLOv3 是 是 否 否 未说明 无严重程度评分；无维护优先级输出
Su等人（2022） 基于深度学习的检测/检查 是 是 否 否 未说明
Lu等人（2020） U-Net（分割） 是 是 否 否 未说明 仅分割；无维护优先级映射
Siddiqui等人（2022） 深度学习 是 是 否 否 未说明 无严重程度/风险输出；鲁棒性/实时性未明确报告
Rodríguez-Abreo等人（2024） ResNet → YOLO/YOLO-based 是 否 是 是 否 检测/定位为重点；未明确报告严重程度/风险决策支持及外部验证

基于检测、严重程度评分、风险预测和实时适用性的铁路轨道故障检测方法比较。尽管近期文献带来了深度学习的进步，但铁路轨道故障检测仍存在几个Gap：首先，大多数深度学习方法仅专注于检测或定位缺陷（例如边界框/mAP），而没有产生适用于维护的决策，如缺陷的关键性或风险等级；其次，它们几乎不支持考虑严重程度的优先级排序，而维护规划的实际场景需要结合缺陷大小/范围、模型置信度和发生频率等因素来量化严重程度；第三，鲁棒性验证通常仅在受控条件下进行，而在实际应用中会遇到模糊、噪声和低光照条件。第四，一些系统具有多阶段设计，但只有少数进行基于消融的验证，以证明每个阶段的贡献。第四，现有系统很少将缺陷证据转化为可解释的、可操作的风险类别（低/中/高），从而直接促进安全决策和调度。为了将铁路检测从被动检测方法转变为积极主动的决策管理系统，这项工作指出了一个能够不仅检测故障，还能输出严重程度和风险的自动化系统，以便在事故发生前进行优先处理。此外，该系统应通过快速筛查阶段在计算上高效，并通过鲁棒性测试和组件级消融来保证可靠性。因此，该研究介绍了DeepTrackSecure，这是一个多阶段流程，它结合了缺陷筛选（ResNet50）、故障定位（YOLOv5）、严重程度评分计算和风险预测（RF/XGBoost），以产生可解释的、具有风险意识的输出结果，这些结果可以直接应用于铁路监测和维护计划中。

**本工作的贡献：**
- **以决策为导向的框架（超越检测）**：我们将铁路检查建模为一个维护优先级问题，通过将缺陷证据转换为严重程度和风险输出，而不是缺陷定位。
- **推断的两阶段效率**：为了提高效率，我们引入了一个筛选-定位工作流程，其中YOLO应用于被分类为有缺陷的图像，无需进行计算即可监控大量样本。
- **基于证据的严重程度表示**：我们引入了一个由定位输出（缺陷范围/面积的百分位数、缺陷置信度和缺陷频率）构建的严重程度评分，以帮助进行优先级排序和后续的风险建模。
- **可操作的维护风险预测**：我们使用集成模型绘制了低/中/高风险预测的可操作维护严重程度，以创建可解释的可操作维护决策。
- **分阶段验证**：我们通过对每个步骤进行消融、鲁棒性测试和部署来验证，并展示了端到端流程相较于仅依赖检测的基线的增量价值。

**4. 提出的方法论**
这里提出的系统是一个多阶段深度学习流程，旨在自动化检测铁路轨道上的故障并根据严重程度预测风险水平。通过结合图像预处理、缺陷筛选、故障定位、严重程度量化和风险分类，该框架成为维护铁路系统的便捷决策支持工具。系统按照图1所示的顺序决策流程运行：首先对铁路轨道图像进行预处理并提取特征，然后使用分类模型识别有缺陷的样本；接下来，对象检测模型处理被判断为有缺陷的图像，以定位故障区域并获取特定缺陷的特征；在此基础上，基于这些输出生成一个数值严重程度评分，并用于风险分类。这三个阶段的组合形成了最终输出。

**4.1 数据集和注释协议**
创建一个多样化且完整的铁路轨道照片数据集是该流程的第一步。为了覆盖广泛的故障条件，这些图像来自手动收集的真实世界铁路轨道照片和Kaggle等公共数据集。数据集包括有缺陷和无缺陷的轨道，记录了多种故障，如轨道结构裂缝、环境腐蚀、松动或缺失的紧固件（影响轨道稳定性）、轨道错位或位移以及完全断裂。整个数据集包含424张图像：384张来自公共Kaggle铁路轨道数据集，40张独立收集的真实世界照片。在424张图像中，212张被标记为有缺陷，212张标记为无缺陷，从而为ResNet50筛选阶段提供了平衡的二元类别分布。数据集通过分层随机分割被划分为训练集（320张，75.5%）、验证集（72张，17.0%）和测试集（32张，7.5%），以保持不同分割之间的类别平衡并防止数据泄漏。对于YOLOv5检测阶段，有缺陷的图像包含五个故障类别的注释：裂缝（38张图像，43个边界框）、腐蚀（30张图像，32个边界框）、缺失/松动紧固件（99张图像，111个边界框）、错位/位移（24张图像，29个边界框）和轨道断裂（41张图像，44个边界框），总共232张有缺陷的图像和259个边界框。注释是使用LabelImg（YOLO格式）手动完成的，边界框由两名经过培训的注释者根据共同的标注指南绘制。每个注释都由第三位审稿人独立验证；意见不一致的情况通过共识解决。为了确保标签质量，排除了具有模糊或重叠故障类型的图像。

检测子在故障类别之间不平衡：缺失/松动紧固件是最常见的类别（99张图像，111个边界框），而错位/位移是最少的（24张图像，29个边界框）。这种类别不平衡可能会影响每个类别的检测召回率，并被视为一个限制。Kaggle子集（384张图像）和真实世界子集（40张图像）在成像条件和相机设置上有所不同；在分层分割之前，两个子集被混合在一起，以确保训练集、验证集和测试集的代表性。真实世界子集（40张图像）可能限制其在多样化操作环境中的泛化能力。Kaggle来源的图像是公开可访问的；真实世界图像是在机构约束下收集的。数据集分割索引和注释文件将作为补充材料提供。

图2显示了图像标签的分布，正确的模型训练和评估需要了解类别分布，而数据集提供了这一信息，强调了有缺陷和无缺陷图像的数量。所有图像都经过手动注释，以正确指示故障的位置，从而提高模型的准确性，并帮助深度学习模型更有效地检测故障。此外，数据集还被划分为三个子集：75.5%的训练集用于训练模型来识别各种类型的故障；17%的验证集用于在训练期间提升模型性能；7.5%的测试集用于评估训练模型在未训练数据上的性能。

图3显示了训练集、验证集和测试集中的有缺陷图像与无缺陷图像的数量。这有助于验证数据集分割是否保持了两种标签的平衡，从而确保评估的公平性并避免模型训练过程中的偏差。这种分布确保模型在保持强大泛化能力的同时有效学习。

**4.2 数据预处理**
图4a和图4b表明，在提交给深度学习模型之前，图像经历了多个预处理步骤，以提高其质量和属性的一致性。这个特定的步骤确保模型能够获得最精确的预测。预处理过程中采取了多项重要措施。数据增强处理带来了数据集的变化，因此除了提高多样性外，还防止了过拟合；归一化将像素值调整到0到1的范围内，以确保模型能够平稳学习；调整大小使图像大小符合模型的要求（YOLOv5为640×640，ResNet为224×224）。为了模拟现实世界的变化，使用了亮度及对比度变化、随机旋转和裁剪、水平及垂直翻转以及高斯噪声等增强方法。

在将铁路轨道图像输入深度学习模型之前，首先通过Canny边缘检测识别出有缺陷的边缘，如图5a所示。这种技术增强了问题区域的边界，使其更容易被检测到。此外，如图5b所示，使用卷积滤波器从图像中提取重要模式和特征，这有助于模型识别结构、纹理和形状的变化，这对于精确的故障检测非常重要。

图6展示了Canny边缘检测的结果。这些预处理技术提高了模型的泛化能力，确保其在不同的光照和环境条件下表现良好。

**4.3 两阶段决策流程**
所提出的框架使用两步决策流程，以确保对铁路轨道中的故障进行高效和可靠的分析。该系统设计为执行简短的筛选步骤，以确定铁路轨道图像中是否存在任何缺陷，而不是对所有输入图像都进行计算成本高昂的对象检测。为了支持实时部署和大规模部署，这种分阶段设计减少了不必要的计算并提高了整体系统效率。首先，使用依赖于ResNet50的图像分类模型将铁路轨道图像分类为有缺陷和无缺陷两类。选择ResNet50的原因在于其残差学习结构和出色的特征提取能力，这使得它能够在不牺牲计算效率的情况下区分小缺陷模式。将无缺陷图像标记为低风险，并通过提前接受安全轨道段来避免进一步处理。第二阶段是对象检测模块，只处理有缺陷的图像。这种条件处理方法通过确保YOLOv5仅用于相关样本，显著减少了推理时间和内存使用。系统在效率和准确性之间取得了最佳平衡，因为它将故障定位限制在有缺陷的图像上。除了提高检测的可靠性外，两阶段决策流程还确保仅在必要时进行全面分析，为后续的严重程度评分和风险预测提供了基础。因此，所提出的框架支持在真实铁路监测系统中的部署扩展，包括基于边缘的系统和基于云的系统。

**4.4 模型架构**
所提出的系统架构以顺序和决策为导向的方式整合了多个深度学习组件，以实现高效的铁路轨道故障检测和风险分析。该框架由两个主要的深度学习模块组成，如图1所示：一个用于准确故障定位的对象检测模块和一个用于缺陷筛选的分类模块。在第一阶段，使用基于ResNet50的卷积神经网络对铁路轨道图像进行分类，以确定图像是否有缺陷。由于ResNet50的残差学习机制可以有效提取高级语义特征并缓解梯度消失问题，因此选择了它。作为快速筛选模块，这一阶段减少了后续阶段不必要的计算开销，并能够早期排除无缺陷图像。被识别为有缺陷的图像被发送到YOLOv5对象检测模块进行深入的故障定位。YOLOv5只需一步就可以识别故障区域并生成边界框和置信度分数。其轻量级架构和实时推理能力使其适用于高速铁路检查环境，其中快速准确的故障定位是必需的。YOLOv5模型的输出包括边界框大小、检测置信度和缺陷数量，这些用于做出基于严重程度的决策。然后，这些结果用于预测性风险分类和严重程度评分的计算。所提出的系统通过在顺序架构中结合快速缺陷筛选和适当的定位，提供了准确性、效率和可部署性之间的最佳平衡。

**4.5 严重程度评分的计算**
尽管故障的定位和检测可以提供有价值的信息，但在铁路维护中做出实际决策时，还需要了解缺陷的严重程度而不仅仅是它们的存在。为满足这一需求，所提出的框架提出了一个量化的严重程度评分，该评分使用了在对象检测步骤中获得的多个与缺陷相关的特征。这个严重程度评分允许根据潜在的操作风险系统地优先处理铁路网络中的故障。严重程度公式基于三个操作信号：(1) 结构影响（缺陷范围riri = Ai/Aimg），与缺陷范围成正比：受影响的较大区域对轨道几何结构施加更大的压力，并且与轨道退化实验中的更高故障概率相关（Agustin等人，2025年）；(2) 检测置信度（C?）表示模型对定位的确定性；对明显较大区域的低置信度检测比高置信度检测具有较低的严重性，类似于贝叶斯风险模型的证据权重；(3) 缺陷频率（N/Nmax），同一轨道段内的多个同时存在的缺陷会乘倍于任何单个缺陷通知的结构风险，在维护工程实践中具有应用价值。加权平均值S = α·(1/N∑i=1(ri·Ci) + (1?α)·min(N, Nmax)，其中0≤α≤1，α=0.7，随着范围、置信度和频率的增加而严格增加。为了将范围-置信度（直接的空间风险证据）作为主要的分诊标准（根据实用维护指南），alpha权重设为0.7。在验证集上，根据第V节G.1部分（外部验证）的报道，通过最大化低/中/高风险阈值（τ?, τ?）来最大化与专家分配的严重性标签的一致性。我们认识到，该评分是基于代理信号而非纵向故障事件的真实情况；论文中明确指出了这一弱点，并将其作为未来工作的方向，即使用真实事件数据。阈值校准和泛化能力：阈值（τ?, τ?）是根据当前研究的验证集与专家严重性评分的一致性来确定的，因此是特定于数据集的。它们并不是为了在不重新校准的情况下普遍适用的。当DeepTrackSecure应用于新的数据集或操作环境时，严重性评分公式及其三个组成部分（缺陷面积、检测置信度、缺陷频率）保持不变，但需要对阈值进行重新校准，以适应该环境中的专家标签或维护记录。这种重新校准步骤是任何严重性代理系统的标准要求，并不破坏严重性公式本身的通用性。未来的工作将研究数据驱动的阈值选择（例如，针对故障事件真实情况的等密度回归）是否能够产生在各种环境中更稳定的阈值。基线比较——直接阈值法与集成模型：为了直接解决集成学习阶段是否比简单的基于规则的方法更有价值的问题，我们在保留的测试集上比较了三种方法：（i）仅使用（τ?, τ?）的直接阈值法；（ii）在S上训练的随机森林；以及（iii）在S上训练的XGBoost。在输入条件干净的情况下，这三种方法产生的风险标签是相同的，因为严重性评分值与决策边界分离得很好。然而，在表3中报告的恶劣条件下（高斯模糊、噪声、低光照），仅使用阈值的方法在12个受扰动测试案例中有3个产生了标签不一致的情况，其中严重性评分落在边界附近0.005的范围内，而随机森林和XGBoost在所有受扰动案例中都保持了标签的一致性。这表明集成模型提供了固定的阈值规则无法保证的噪声鲁棒性边界处理能力，即使主要输入特征是标量严重性评分S，也证明了它们在流程中的必要性。

表3：成像条件下的严重性评分和风险分类
原始 0.0242 低风险
高斯模糊 0.0180 低风险
噪声 0.0194 低风险
低光照 0.0222 低风险

对于YOLOv5模型处理的每个有缺陷的图像，提取以下属性：每个检测到的缺陷的面积、与每个检测相关的置信度得分，以及图像中存在的缺陷数量。严重性评分SS计算如下：
ri = Ai × Aimg / S = α × Σ(i=1) (ri × Ci) + (1?α) × min(N, Nmax)
其中：
Ai 表示第i个检测到的缺陷的面积，
Aimg 表示图像的总面积，
Ci 表示YOLOv5对第i个缺陷的置信度得分，
N 表示图像中检测到的缺陷总数，
Nmax 表示训练集中每张图像观察到的最大缺陷数量（或来自数据分布的选定上限）。

该公式是有界的（S ∈ [0,1]），并且严重性随着缺陷范围的增加（Ai）、检测可靠性的提高（Ci）和缺陷频率的增加（N）而单调递增。第一项捕获了平均可靠的缺陷范围，第二项通过控制缺陷重复计数的影响来防止严重性膨胀。在我们的实验中，α=0.7，Nmax使用训练集中的最大值来确定。严重性评分中的两项分别以α=0.7（范围-置信度项）和(1?α)=0.3（频率项）的权重进行贡献。对验证集的敏感性分析表明，α的值在0.5到0.9之间变化时，低/中/高风险分类并没有太大变化，因此对α的值不是很敏感。结果与两个更基本的基线进行了比较，即仅基于置信度的评分（S = mean Ci）和仅基于面积的评分（S = mean ri），这些基线在验证集上产生了更多的错误高风险分类。多信号公式与专家的严重性标签更为一致，包括所有三个组成部分是合理的。关于边缘情况：（i）小缺陷和高置信度——ri·Ci的值较小，因此即使Ci较大，范围-置信度项也会较小，从而正确地得出低严重性；（ii）大缺陷和边缘置信度——ri·Ci的乘积会受到Nmax归一化上限的限制，第一项上的平均操作会在推理过程中进一步减少冗余检测；（iii）同一缺陷的多对象检测——范围-置信度项会受到Nmax归一化上限和平均操作的限制。由于重叠检测导致的重复计数，存在已知的残余偏差。

4.6 风险预测集成模型
所提出的系统涉及基于计算出的低、中、高风险的严重性评分对铁路轨道条件进行预测性风险分类。采用集成学习方法结合基于规则的阈值划分来提高决策的鲁棒性和可靠性。使用了两种基于集成的分类器进行比较，分别是随机森林和XGBoost。这些模型使用严重性评分作为主要输入特征，在不同风险级别之间训练出非线性决策边界。由于它们能够承受输入数据的变化、抵抗过拟合以及具有高水平的泛化能力，因此选择了这些集成模型。XGBoost依赖于梯度提升通过逐步减少错误来提高预测准确性，而随机森林则结合了多棵决策树的输出来增强模型的稳定性。这一步骤得出了可解释的风险标签（低、中、高），从而帮助维护人员优先安排检查和维修任务。用于训练随机森林和XGBoost的低、中、高风险标签是根据在验证集上通过最大化与独立专家严重性评分的一致性来确定的阈值（τ_1, τ_2）得出的（见第V节G.1部分）。这些标签不是从外部历史故障事件数据中获得的，这是一个公认的局限性。在这种情况下，集成模型的主要好处不是增加了与确定性阈值规则相关的预测能力，而是实现了S和风险类别之间更加规整、平滑且鲁棒的计算映射，并且在严重性值接近决策边界或由于成像条件导致输入分布变化时更容易进行泛化。随机森林和XGBoost预测的一致性是一个跨模型可靠性检查的例子，这是单个阈值规则无法提供的。用历史故障记录或维护的纵向记录中的外部真实情况替换基于严重性的标签将完全消除这种依赖性，这是已知的最重要的未来工作方向。

4.7 消融研究设计
进行了一项测试，以消融所提出结构的每个组成部分，以证明它们包含的必要性及其有效性。消融实验对三种系统配置进行了三方比较，系统地评估了每个步骤的作用：
- 仅YOLOv5：在这种架构下，在对输入图像应用对象检测之前不执行缺陷筛选和风险评估，以便识别缺陷。
- ResNet50 + YOLOv5（无风险预测）：在这种设置中，没有风险分类或严重性计算，而是使用ResNet50进行缺陷筛选，并使用YOLOv5进行定位。
- 完整提出的系统（ResNet50 + YOLOv5 + 基于严重性的风险预测）：该配置包括缺陷筛选、故障定位、严重性评分计算和基于集成的风险预测。通过比较这些配置，消融研究展示了每个步骤在系统可靠性、可解释性和决策能力方面的逐步提高。所提出的对严重性敏感的风险预测框架比仅检测技术提供了更实用的见解。

4.8 鲁棒性和部署分析
实际的铁路检查系统在各种不利条件下运行。该方法直接使用鲁棒性和部署的元素来确定所提出框架的适用性。系统经受住了强视觉环境（如模糊和高斯噪声）和低光照环境的考验，以进行鲁棒性分析。这些条件复制了实际工作环境，如运动引起的模糊、传感器噪声和光线变化。系统抗扰性的一个参数是风险评估、严重性评估和缺陷定位对这些扰动的稳定性。此外，还通过运行时间和内存分析来评估计算效率。两阶段决策流程能够早期排除非缺陷图像，从而减少不必要的计算。该系统兼容边缘设备（也包括GPU）和云，推理时间和内存消耗的测量结果表明，系统几乎以实时速度运行。总体来看，这些分析验证了所提出的框架的准确性、可靠性和有效性，适用于实际的铁路监控和安全管理应用。

4.9 模型训练和超参数调整
为了保证计算效率和可重复性，所有模型都使用带有GPU加速的Google Colab（NVIDIA Tesla T4）进行训练和评估。根据之前提到的两阶段决策流程，分类和对象检测阶段分别独立进行训练。之前在ImageNet上训练的ResNet50模型被优化为二分类（有缺陷/无缺陷），以便筛选缺陷。在训练之前，输入图像被归一化并调整大小到224×224。使用Adam优化器进行优化，最优化为二元分类（有缺陷/无缺陷），学习率为0.0001。为了避免过拟合，在训练过程中使用了3个时代的早停策略，批量大小为32。基于验证性能，训练在8个时代后收敛，保留了表现最好的模型进行推理。由于随机森林具有实时推理能力和轻量级架构，因此选择了YOLOv5s模型进行故障定位。启用早停策略（耐心=30）后，模型在640×640的输入分辨率、16的批量大小和最多200个时代的情况下进行训练。使用预训练的YOLOv5权重进行初始化训练，并应用了默认的YOLOv5损失函数，包括对象性损失和边界框回归损失。这些配置保持了检测精度，并确保了稳定的收敛。所有超参数都是根据计算可行性和验证行为确定的，没有不必要的架构修改。选择YOLOv5s有三个实际考虑因素：（i）它具有广泛记录的可重复性，预训练权重、训练流程和适合边缘部署的导出选项（ONNX、TensorRT）；（ii）它的占用内存大约为7.2 MB，可以在整个管道内存预算内部署；（iii）它在系统中提供足够的证据提取能力，因为它的作用是向严重性模块可靠地提供缺陷面积、置信度和数量，而不是最大化独立的mAP。YOLOv8（2023）和YOLOv11（2024）提供了改进的检测性能，被认为是未来工作中替换的高优先级候选者，有潜力提高召回率和输入到严重性模块的证据质量。关于低召回率（0.4467）：在安全关键的应用中，这一限制需要明确提及。在这个框架中，未检测到的缺陷会以较低的严重性评分传播，而不是错误的高风险警报，这对于维护调度来说是一种保守的故障模式。然而，在实际部署之前，需要通过数据集扩展、增加代表性不足的缺陷类别以及采用更现代的检测架构来提高召回率。

4.10 评估指标
评估指标是根据每个管道阶段执行的任务来选择的。在ResNet50分类阶段使用了准确性、精确度和召回率、F1分数。准确性代表了总正确性，精确度和召回率分别代表了假阳性与未检测到的缺陷之间的权衡，F1分数提供了一个平衡的度量，特别是在假阳性和未检测到的缺陷率都重要的情况下非常有用。为了使用YOLOv5进行故障定位，使用平均平均精确度（mAP）来总结检测在检测置信度阈值下的质量，而交并比（IoU）用于衡量预测边界框与真实边界框之间的空间一致性，从而分别验证了检测和定位的质量。为了预测风险，随机森林（Random Forest）和XGBoost在不同风险类别（低风险、中等风险和高风险）中的模型间一致性是衡量一致性的主要指标。因为输出中的风险幅度并不是关键，而是模型在不同输入条件下保持决策一致性和可重复性的能力。4.11 部署可行性在Google Colab中实现了一个概念验证部署，将训练好的ResNet50分类器、YOLOv5检测模块和基于严重程度的风险预测组件整合到一个端到端的推理流程中，该流程接受原始的轨道图像，并生成带有注释的输出，显示故障区域的定位、计算出的严重程度分数以及相关的风险标签。研究还发现，使用基准测试，YOLOv5每张图像的处理时间约为20毫秒，三个模块在整个推理过程中的总内存使用量约为2.3GB。两级条件设计（只有有缺陷的图像才会被检测模块处理）的计算成本显著低于无条件处理方式，使得该系统能够部署到配备GPU硬件的边缘设备以及基于云的监控系统中。5 结果 5.1 A. ResNet50分类性能表4提供了基于ResNet50的分类模型性能的概述。作为建议框架的第一阶段筛查模块，该模型被训练用于执行二元分类，区分有缺陷的轨道图像和无缺陷的轨道图像。表4 S. 无指标值1. 准确率（Accuracy）0.9545 2. 精确度（Precision）0.9583 3. 召回率（Recall）0.9545 4. F1分数（F1-Score）0.9545 分类结果表明了可靠的缺陷筛查能力，所有评估指标都显示出一致的性能。这一步通过快速识别可能有缺陷的轨道图像并支持早期排除非缺陷样本，减少了后续检测阶段的不必要计算。5.2 定性分类结果图7a展示了ResNet50分类器对样本轨道图像的处理结果。如图7b所示，模型正确地将缺陷样本分类为“有缺陷（DEFECTIVE）”，同时将无缺陷的轨道图像正确分类为“无缺陷（NON-DEFECTIVE）”。这些定性发现支持了ResNet50作为深入故障定位之前的高级筛查方法的有效性。图7(a) ResNet50分类；(b) 无缺陷图像。5.3 YOLOv5 IoU分数用于评估对象检测模型性能的主要指标是交并比（IoU）。IoU量化了预测边界框与真实边界框之间的重叠程度，从而提供了模型检测缺陷准确性的理解。模型成功地以0.62的置信水平对轨道图像进行了无缺陷分类。图8显示了真实边界框与预测边界框之间的IoU分数为0.9837，表明了准确的定位和检测性能。5.4 YOLOv5检测性能通过在被故障区域周围创建边界框，YOLOv5模型能够高效地检测轨道上的缺陷，如裂纹和缺失的紧固件。我们注意到YOLOv5的mAP@0.5值为0.5317，低于专门针对铁路检测研究报道的结果[例如，Yilmazer和Karakose在2023年的研究中为94.5%；Tu等人（2021年）的BF_MB-YOLOv5中为94.4%]。这种差异可以由两个因素解释。首先，这些模型是在单缺陷类别或高度控制的数据集上训练和测试的，而我们的检测样本包含五种结构不同的缺陷类型（裂纹、腐蚀、缺失紧固件、错位、轨道断裂），并且标注样本量相对较少（232张有缺陷的图像，259个边界框），因此多类判别必然更具挑战性。其次，更重要的是，我们并不期望YOLOv5提供独立的mAP最大化，而是希望它能为严重程度计算模块提供缺陷区域的证据（面积、置信度、数量）。下游风险预测的准确性（随机森林和XGBoost都显示出一致的低/中/高分类）以及严重程度分数在不利情况下的稳定性（表5）表明，其定位输出在决策支持应用中足够可靠。我们还观察到召回率为0.4467，这意味着在定位阶段会错过一些缺陷，这是一个已知限制，并表明该系统是一种保守的故障模式（错过的分数会转化为较低的严重程度分数），这在维护调度中代表了更安全的故障模式。未来通过考虑更多的标注数据和测试YOLOv8或针对特定领域的检测头，可以克服这一问题。尽管召回值仅为0.4467（3），该系统依然能够为实时故障定位提供良好的基础。输出图像的边界框注释可以作为视觉线索，帮助最终用户和从事铁路维护的工程师清晰地看到故障的确切位置。表5 S. 无指标值1. 平均精度（mAP）0.5317 2. mAP（50-95）0.4856 3. 验证精度（Validation Precision）0.7301 4. 验证召回率（Validation Recall）0.4467 5. 验证箱损失（Validation Box Loss）0.0250 6. 验证箱损失（Validation Box Loss）0.0651 YoloV5性能指标。5.5 YOLOv5训练性能分析图9展示了YOLOv5模型的训练行为结果，包括边界箱损失（train/box_loss）、对象性损失（train/obj_loss）、分类损失（train/cls_loss）以及相应的精确度和召回率随训练周期的变化。训练损失曲线的持续下降趋势表明了稳定的收敛性和有效的优化。特别是边界箱损失和对象性损失的减少证明了定位和识别故障区域的置信度估计更加准确。此外，分类损失的逐渐减少也表明与缺陷相关的特征得到了稳定的学习。图9训练图表。召回率和精确度曲线都显示出随训练周期的稳步提升。虽然召回率逐渐提高，表明实际缺陷实例的检测能力有所改善，但精确度也在稳步增加，反映了假阳性检测的减少。后期周期的微小变化在深度学习训练中是正常的，并不表示不稳定。总体而言，训练结果表明YOLOv5模型成功学习了缺陷定位和分类，为部署和后续的风险评估提供了坚实的基础。5.6 YOLOv5验证性能分析图10展示了YOLOv5模型的验证结果，包括验证箱损失（val/box_loss）、验证对象性损失（val/obj_loss）、验证分类损失（val/cls_loss）以及通过mAP在0.5和mAP在0.5:0.95测量的验证准确性。模型没有过拟合，并且能够泛化到新数据，这一点从验证损失曲线的逐渐和持续减少中可以看出。验证损失的稳定表明在验证样本上的检测和定位性能可靠。图10验证图表。此外，验证准确性指标在整个训练过程中显示出持续的改进。通过mAP@0.5值超过0.53和mAP@0.5:0.95接近0.5，证实了在不同IoU阈值下的有效故障检测。尽管有小幅波动，但总体趋势表明了持续的泛化能力。这些验证结果支持YOLOv5模型适用于真实世界铁路轨道故障定位和基于严重程度的风险评估，表明该模型在未见数据上保持了强大的性能。5.7 基于严重程度的风险预测结果所提出的系统结合了使用YOLOv5的定位和基于严重程度的风险预测系统来增强决策制定，而不仅仅是故障检测。当检测到缺陷区域时，会将标准化缺陷面积、检测置信度和检测到的缺陷数量整合起来计算严重程度分数。然后将该分数缩放到可读的风险级别。图11a和b分别代表了典型的低风险和高风险场景。在低风险场景中，YOLOv5给出的缺陷置信度分数为0.82，对应的严重程度分数为0.0242，低于规定的阈值，表示没有立即操作的危险。高风险情况下的缺陷与较大的结构缺陷相关，其置信度分数为0.57，导致更高的严重程度分数0.0843，超过了高风险阈值，需要紧急维护。图11(a) 低风险的严重程度分数；(b) 高风险的严重程度分数。这些发现表明所提出的严重程度公式能够成功区分轻微和严重的缺陷。该框架提供了量化的、考虑影响的风险分类，使得与仅依赖检测的方法相比，可以更有效地优先安排铁路维护行动。5.7.1 严重程度分数的外部验证为了从模型内部输出之外对提出的严重程度分数进行外部验证，我们对一组保留的有缺陷的轨道图像进行了基于专家的评估。两位独立的领域专家（铁路检查/维护人员）审查了相同的样本，并根据可见的缺陷程度和感知到的维护紧急性将每张图像分配到三个严重程度级别之一（低/中/高）。对于每张图像，我们的方法产生了一个连续的严重程度分数SS。为了与专家评分进行比较，SS使用在验证集上确定的阈值τ1和τ2映射到了相同的三个级别（低：S< /><τ2；高：s≥τ2）。使用cohen的kappa（分类一致性）和spearman等级相关（严重程度排名的一致性）量化了专家标签与基于严重程度的类别之间的协议。结果表明，所提出的严重程度分数与专家判断一致，并支持其作为风险导向的铁路维护的实用优先级指标。第v节g.1中描述的基于专家的评估构成了本研究的外部验证。两位独立的领域专家审查了保留的有缺陷的轨道图像，并分配了低/中/高的严重程度评级；使用cohen的kappa和spearman等级相关性量化了专家评级与所提出的基于严重程度的类别之间的协议，确认了一致性。由于纵向的铁路维护日志在操作上非常敏感，且没有公开可用的包含匹配故障事件真实情况的铁路缺陷数据集，因此无法将与历史故障事件、脱轨记录或失效时间数据的相关性进行验证。因此，严重程度分数和风险标签是针对专家意见进行验证的代理。将来工作计划中明确指出，整合真实的维护日志、故障事件记录或标准严重程度分类（例如，uic或国家铁路标准）作为外部真实情况是最关键的。通过在重复的检查序列中进行时间建模来扩展框架，以实现失效时间估计，是一个计划的扩展方向。5.8 集成yolov5检测与基于严重程度的风险评估图12展示了基于严重程度的风险评估和yolov5缺陷定位的联合操作。使用标准化缺陷面积、检测置信度以及检测到的实例数量来计算相应的严重程度分数。检测到的缺陷的定位置信度分数为0.82。示例案例计算出的严重程度分数为0.0242，表明属于低风险分类。图12 yolov5 + 严重程度分数。这一结果表明，即使在检测置信度较高的情况下，基于严重程度的评估也能防止对轻微缺陷的不必要的优先处理。所提出的框架通过融合空间特征和置信度度量，促进了考虑影响的风险评估，并支持了明智的铁路维护决策。5.9 风险预测模型比较：随机森林与xgboost所提出的模型将计算出的严重程度分数作为输入特征，比较了随机森林（rf）和极端梯度提升（xgboost）模型的性能，以确定基于集成的风险预测的可靠性。两种模型都将缺陷分类为低风险、中等风险或高风险。图13显示，rf和xgboost都给出了评估缺陷案例的低风险标签，这表明了基于严重程度的风险公式在决策制定上的稳定性和高一致性。随机森林在小特征集上的稳定性和可解释性更强，但xgboost在正则化和泛化能力上更胜一筹。图13 随机森林与xgboost分数。通过减少对启发式阈值的依赖并促进它们集成到实时铁路安全监控系统中，这次比较表明基于集成的模型能够将严重程度分数一致地转换为有意义的风险类别。5.10 消融研究结果通过消融实验研究了所提出框架中每个组件的贡献，如图14所示，以确定该框架在仅使用yolov5配置的情况下检测缺陷区域（包括边界框定位）的有效性，尽管结果仅限于检测而没有操作风险解释或严重程度估计。尽管resnet50 + yolov5配置实现了缺陷的准确分类和定位，但由于缺乏严重程度评级，它限制了其在优先安排维护行动方面的能力。 中 高的严重程度评级；使用cohen的kappa和spearman等级相关性量化了专家评级与所提出的基于严重程度的类别之间的协议，确认了一致性。由于纵向的铁路维护日志在操作上非常敏感，且没有公开可用的包含匹配故障事件真实情况的铁路缺陷数据集，因此无法将与历史故障事件、脱轨记录或失效时间数据的相关性进行验证。因此，严重程度分数和风险标签是针对专家意见进行验证的代理。将来工作计划中明确指出，整合真实的维护日志、故障事件记录或标准严重程度分类（例如，uic或国家铁路标准）作为外部真实情况是最关键的。通过在重复的检查序列中进行时间建模来扩展框架，以实现失效时间估计，是一个计划的扩展方向。5.8 集成yolov5检测与基于严重程度的风险评估图12展示了基于严重程度的风险评估和yolov5缺陷定位的联合操作。使用标准化缺陷面积、检测置信度以及检测到的实例数量来计算相应的严重程度分数。检测到的缺陷的定位置信度分数为0.82。示例案例计算出的严重程度分数为0.0242，表明属于低风险分类。图12 yolov5 + 严重程度分数。这一结果表明，即使在检测置信度较高的情况下，基于严重程度的评估也能防止对轻微缺陷的不必要的优先处理。所提出的框架通过融合空间特征和置信度度量，促进了考虑影响的风险评估，并支持了明智的铁路维护决策。5.9 风险预测模型比较：随机森林与xgboost所提出的模型将计算出的严重程度分数作为输入特征，比较了随机森林（rf）和极端梯度提升（xgboost）模型的性能，以确定基于集成的风险预测的可靠性。两种模型都将缺陷分类为低风险、中等风险或高风险。图13显示，rf和xgboost都给出了评估缺陷案例的低风险标签，这表明了基于严重程度的风险公式在决策制定上的稳定性和高一致性。随机森林在小特征集上的稳定性和可解释性更强，但xgboost在正则化和泛化能力上更胜一筹。图13 随机森林与xgboost分数。通过减少对启发式阈值的依赖并促进它们集成到实时铁路安全监控系统中，这次比较表明基于集成的模型能够将严重程度分数一致地转换为有意义的风险类别。5.10 消融研究结果通过消融实验研究了所提出框架中每个组件的贡献，如图14所示，以确定该框架在仅使用yolov5配置的情况下检测缺陷区域（包括边界框定位）的有效性，尽管结果仅限于检测而没有操作风险解释或严重程度估计。尽管resnet50 +>相反，整个提出的系统，包括检测、分类和基于严重程度的风险预测，给出了0.0242的严重程度评级，并产生了低风险分类，提供了有用的决策支持。图14展示了消融结果，结果表明，通过增加对严重程度的认识风险预测，系统的实际效用大大提高，尽管检测和分类对于故障识别也是有帮助的。这表明，在所提出的多层决策流程中的每一步都是实现可靠和注重影响的铁路维护优先级划分所必需的。5.11 在不利条件下的鲁棒性分析在现实检查中可能遇到的恶劣视觉条件下（包括高斯模糊、噪声干扰和光线波动），对所提出的铁路轨道缺陷检测系统的性能进行了测试。为了确定在输入图像质量下降的情况下缺陷检测、严重程度估计和最终风险分类的稳定性，这些干扰被明确添加进了测试中。所有鲁棒性实验都保持了与消融实验相同的系统设置，以便评估结果可以是公平和一致的。表3提供了每种条件下严重程度得分和风险分类的总结报告。整个框架应用于原始输入图像时，给出了0.0242的严重程度得分，即低风险分类。在高斯模糊和低光条件下，严重程度得分分别降到了0.0180和0.0222。尽管数值变化不大，但所有严重程度值都保持在相近的范围内，并且在所有情况下都能确保最终的风险分类。这表明，所提出的注重严重程度的决策系统不受视觉退化的影响，在不利情况下不会产生不稳定或夸大的风险预测结果。图15突显了在不同不利视觉条件下的严重程度得分的一致性，从而从视觉上证实了所提出框架的鲁棒性。为了进一步支持定量分析，图16a-d展示了每种鲁棒性条件下的系统输出情况。这些图表表明，基于YOLOv5的定位模块能够准确检测到缺陷区域，而集成的严重程度评分模块尽管存在视觉失真，仍能保持一致的低风险评估。定性结果从视觉上证实了表3中报告的数值趋势，并确认了所提出框架在实际检查条件下的鲁棒性。这些发现表明，尽管存在视觉退化，ResNet50仍能保持准确的缺陷分类，而YOLOv5也能持续定位缺陷区域。最重要的是，基于严重程度的风险预测保持稳定，表明图像质量的变化不会导致错误的风险评估。图15显示了在不同不利视觉条件下的严重程度得分一致性，进一步强化了所提出框架的鲁棒性。图15展示了在原始成像条件（a）、高斯模糊条件（b）、噪声干扰条件（c）和低光条件（d）下的系统输出情况。图17展示了系统的运行时间和内存使用情况。5.12 运行时间和内存性能分析在安装了GPU的Google Colab中记录了推理时间和内存消耗情况，以确定所提出框架在计算能力方面的效率。系统证明了其在接近实时的故障检测和风险评估方面的适用性，平均每张图像的推理时间为0.0203秒。这种低延迟得益于YOLOv5的有效使用以及ResNet50分类阶段的早期拒绝机制。分类、检测和基于集成模型的风险预测模块共消耗了大约2284.84MB的内存。尽管现有架构已经优化为适用于云环境，但可以通过模型压缩和优化技术将其调整到边缘设备上。总体而言，这些发现表明，所提出的系统成功地在决策智能和计算效率之间找到了平衡，使其能够应用于实时的铁路轨道检测中。6 对比研究最近深度学习的发展极大地增强了自动铁路轨道故障检测的能力；然而，大多数现有方法将故障分类或对象检测作为独立任务处理，而没有提供用于维护优先级划分和基于风险意识的决策制定的综合框架。表6比较了所提出的DeepTrackSecure框架与当前方法。之前的方法，如仅使用ResNet或基于YOLOv3的系统，在受控环境中表现出相当好的性能，但在实际应用中存在缺点。它们提供有用维护洞察力的能力受到一些因素的阻碍，例如缺乏严重程度解释、对环境变化的敏感性以及非结构化的风险评估。表6展示了每种方法提供的系统组件和决策输出的能力水平比较。直接进行数值比较（例如并排比较mAP）是不可行的，因为没有先前的研究使用与DeepTrackSecure相同的数据集、缺陷类别或评估协议。作为参考，相关已发表工作的代表性结果包括：Yilmazer和Karakose（2023）在单一类别、500张图像的无人机数据集上报告了94.5%的mAP；Wei等人（2020）使用YOLOv3在北京地铁6号线数据集上报告了mAP结果；Rodríguez-Abreo等人（2024）比较了YOLOv11和ResNet在他们自己的数据集上的迁移学习。这些工作都没有报告严重程度得分、风险等级分类或消融/鲁棒性分析。所提出的框架是根据其自身的标准进行评估的：一致的RF/XGBoost风险分类、在不利成像条件下的稳定严重程度得分以及专家验证的严重程度一致性，所有这些都在第五节中报告。表6旨在进行定性能力比较，而不是数值基准测试。表6列出了现有系统和所提出系统的特征：现有系统使用单一阶段（分类或检测）或两阶段流程（分类→检测）的故障识别策略，主要目标是确定缺陷的存在或定位以及基于严重程度的风险评估；使用的模型包括ResNet18、YOLOv3、YOLOv5变体以及ResNet50+YOLOv5+集成风险模型；严重程度量化没有明确建模，数学严重程度得分公式没有建立；风险预测缺乏基于规则的后处理或随机森林和XGBoost的风险分类；决策解释性仅限于置信度分数；鲁棒性考虑通常依赖于数据集，在模糊、噪声和低光条件下进行评估；运行时优化所有输入都需要较高的计算资源；部署可行性依赖于服务器/GPU，适合云和边缘-GPU部署；实际效用侧重于检测，以决策为导向并驱动维护。所提出的框架使用分层决策流程来克服这些限制。YOLOv5提供了准确的故障定位，ResNet50促进了快速缺陷筛查，而严重程度公式结合了缺陷大小、检测置信度和频率。为了产生可靠且易于理解的风险分类，这种严重程度表示进一步使用集成学习模型（随机森林和XGBoost）进行处理。DeepTrackSecure注重决策的可靠性、效率和可部署性，与主要关注检测准确性或依赖计算密集型架构的早期方法不同。所提出的系统通过结合鲁棒性评估和基于严重程度的风险分类，支持从纯粹的反应式故障检测向结构化的、注重严重程度的维护优先级划分的转变，作为一个决策支持工具，而不是完全自主的安全管理系统。7 结论本文介绍了DeepTrackSecure，这是一种多阶段深度学习架构，旨在检测和预测铁路轨道上的故障及其严重程度，并基于后者进行风险预测。为了提高计算效率并能够尽早剔除非缺陷轨道图像，所提出的系统将故障定位步骤与使用ResNet50的缺陷筛查步骤整合到一个两步决策流程中，跳过了非缺陷轨道图像，仅使用定位的故障点来处理缺陷轨道图像。由于这一原因，该设计适用于大规模和实时的铁路检查情况，因为只有在需要时才进行详细的故障分析。该框架提供了一种量化的严重程度表示方法，通过整合缺陷面积、检测置信度和故障频率，以直观的方式指示故障的紧急性。这种严重程度的表示允许将铁路轨道的状态可靠地分类为低风险、中等风险和高风险类别，并基于集成学习模型（随机森林和XGBoost）进行预测性风险分类。集成模型增强了决策的稳定性，这对于规划安全至关重要的维护工作是必要的。一个有序的消融实验验证了所提出架构的有效性，表明端到端的架构（包括分类、检测、严重程度计算和风险预测）比仅基于检测的系统提供了更多有用的信息。该框架的强度和计算效率在包括模糊、噪声和低光在内的具有挑战性的视觉条件下的鲁棒性分析中得到了测试，同时還进行了运行时间和内存测试。这些结果表明，该系统适用于具有GPU能力的边缘设备和云平台，这对于铁路监控非常有用。总体而言，DeepTrackSecure通过将铁路检查向注重风险的、结构化的决策支持方向发展，推进了数据驱动的维护优先级划分。未来的研究将重点关注集成实时视频检查、结合时间预测模型以实现基于历史严重程度模式的预测性维护，以及结合物联网传感器数据（包括温度和振动传感器）来补充视觉分析。通过这些改进，铁路检测系统将发展成更完整的智能决策支持平台。需要强调的是，目前的DeepTrackSecure是一个决策支持和维护优先级划分框架，其风险输出是基于专家意见验证的严重程度代理，而不是基于真实故障事件的真相。系统的检测召回率（0.4467）意味着它目前还不适合完全自主的操作部署；主动式铁路安全管理的主张应该在这个范围内理解。未来工作的最关键方向是：（i）扩展注释数据集并采用更新型的检测架构（YOLOv8/YOLOv11）以提高召回率；（ii）使用真实的维护日志或故障事件记录重新校准阈值（τ?, τ?）；（iii）使用纵向检查数据验证严重程度得分，以用客观的操作真相替换当前的专家意见代理。