铁路隧道、路基、无砟轨道等基础设施病害直接关系到铁路运输安全和乘客的人身安全。以隧道为例，衬砌掉块和坍塌随时可能危及行车安全。据统计，截至 2023 年底，我国普通铁路隧道约 1.4 万座，总长度超过 1.8 万公里；高铁隧道已超过 1.6 万座，总长度超过 2.2万公里；共有 55 个城市开通轨道交通线路 306 条，运营里程 10165.7 公里。随着隧道役龄的增加，病害会越来越多。定期进行健康检查和病害普查，及时消除安全隐患，是保障运输安全的必要措施。

        自 20 世纪 70 年代以来，探地雷达技术作为无损检测工具受到广泛关注。然而，传统的探地雷达检测需要天线紧贴衬砌表面，隧道内的接触线等设施成为严重障碍。2013 年，昝月稳教授等研制了运营铁路隧道车载探地雷达远距离检测系统，采用 300MHz 空气耦合天线，天线位于车辆界限之内，与隧道壁表面最大距离为 2.25m，用于电气化单线隧道的检测。2017年底，该技术被用于高铁双线隧道的检测，与隧道壁表面最大距离达到 3.8m-4.5m。2023 年，研制了 900MHz 空气耦合天线，将该技术用于地铁管片结构的检测。车载探地雷达远距离检测系统最大的优点是天线位于接触网下面，不需要停电、不干扰运输，可实现整条线路的隧道病害普查。

        然而，车载探地雷达在定期检测中会产生巨量数据。例如，使用 6 个通道的车载探地雷达系统，5 厘米的点距，每公里采集的数据量约为 122.88MB，100 公里的数据将产生约12.29GB 的数据量。处理和分析这些数据需要大量专业技术人员，且分析人员需要掌握现场隧道、路基结构与状况以及以往的维修资料。按每人每天分析 5 公里的数据计算，处理100 公里的数据需要 20 天才能完成。需要大量专业技术人员和数据分析时间长制约了车载探地雷达技术的应用与发展。实际上，检测数据中出现病害的数据只占极少部分，数据分析需要从巨量数据中检测出极少部分的病害。如何将专业人员从繁重的工作量中解脱出来，使车载探地雷达技术真正为铁路基础设施安全服务，成为亟待解决的问题。

        目前，探地雷达数据经处理后的图像分析主要依赖专业技术人员对每个反射波形进行解释，确定每个反射波形对应的物体和结构。这种方式对分析人员的专业知识和经验要求很高。为此，探地雷达图像分析出现了大量人工智能-深度学习方法，但深度学习需要各种各样的病害样本来训练模型，样本难以包罗万象，训练出的模型也难以适用所有探地雷达设备（包括不同频率的天线），且需要大量 GPU 算力支持，成本高昂。因此，亟需一种能够自动、快速地从车载探地雷达巨量数据中筛选出异常数据的方法，以降低对专业人员的依赖，减少数据处理工作量，提高检测效率。

        西南交通大学深圳研究院最新申请的发明专利在于克服现有技术中所存在的铁路车载探地雷达检测数据处理工作量大、图像解释依赖大量专业人员且主观性强，以及深度学习方法需要大量病害样本和昂贵 GPU 算力、模型泛化能力有限的不足，提出一种铁路车载探地雷达图像异常检测方法。

        西南交通大学深圳研究院最新申请的发明专利，利用铁路车载探地雷达在轨道上移动、行走的路线固定，同期多次检测得到的同一地点雷达图像具有重复性这一特点，将同一地点的当前检测图像与历次检测图像相比较，计算两者图像的结构相似性 SSIM 值，当两者 SSIM低于某一阀值时，就可以检测出异常，并能对异常进行历史追踪和未来发展趋势预测。方法简单可靠，将复杂的图像解释转为简单的图像相似度比较，无需病害样本及人工智能分析所需的昂贵 GPU。只需要少数人员截取数据、校正里程，其余由普通计算机完成，实现快速自动低成本的异常检测。6 个通道、长度 100 公里的探地雷达图像异常检测仅需要 5 小时。计算速度极快，成本极低。西南交通大学深圳研究院的最新申请的发明专利有望将车载探地雷达远距离检测技术转变成车载探地雷达监测技术。