1.一种钢轨波磨识别方法，其特征在于，所述钢轨波磨识别方法包括：基于采集的钢轨原始图像数据生成钢轨波磨真值图像数据并执行预处理；将预处理后的图像数据送入具备多尺度空洞卷积特征提取结构且在中间特征提取阶段的多个特征层输出后引入CBAM注意力机制的图像分割识别模型，以提取全局语义特征和局部纹理特征；对所述中间特征提取阶段的输出进行通道平均后经Sobel算子生成边缘特征，并将所述全局语义特征、局部纹理特征和边缘特征融合，获得分割掩码图；将基于所述分割掩码图裁剪的ROI图像片段与所述中间特征提取阶段提取的用于目标检测的特征一并输入目标检测网络，执行基于边界框重叠度优化损失的回归计算，输出钢轨波磨检测结果。
2.根据权利要求1所述的钢轨波磨识别方法，其特征在于，基于采集的钢轨原始图像数据生成钢轨波磨真值图像数据，包括：在所述钢轨原始图像数据中调用人工标注工具对波磨区域进行逐像素轮廓勾画，并在标注完成后生成包含波磨区域位置信息的标注文件；将所述标注文件与对应的钢轨原始图像数据进行像素级配准，以在原始图像的二维像素矩阵中准确区分波磨区域与背景区域；在配准结果中将属于波磨区域的像素标记为第一像素类别，将属于背景区域的像素标记为第二像素类别，以构建反映波磨区域形态和位置关系的钢轨波磨真值图像数据。
3.根据权利要求1所述的钢轨波磨识别方法，其特征在于，对钢轨波磨真值图像数据的预处理规则为：在所述钢轨波磨真值图像数据中，识别出标注文件对应的波磨区域与背景区域，将波磨区域内的全部像素值替换为预设第一数值，将背景区域内的全部像素值替换为预设第二数值；在数值替换完成后对整幅图像的像素矩阵执行线性归一化运算，将所有像素值按比例映射至（0,1）区间，获得预处理后的图像数据。
4.根据权利要求1所述的钢轨波磨识别方法，其特征在于，所述图像分割识别模型包括：设置有多尺度空洞卷积特征提取结构的主干网络，用于从输入图像中提取全局语义特征；设置在所述主干网络的中间特征提取阶段的多个特征层的输出后的CBAM通道注意力模块与空间注意力模块，用于增强波磨区域相关特征响应；与所述主干网络并行设置的波磨特征分支，用于提取局部纹理特征；与所述主干网络的中间特征提取阶段连接的边缘特征生成分支，用于对经通道平均的中间特征执行Sobel算子运算以获得边缘特征；与所述波磨特征分支和边缘特征生成分支连接的特征融合单元，用于在通道维度融合全局语义特征、局部纹理特征和边缘特征并输出分割掩码图。
5.根据权利要求4所述的钢轨波磨识别方法，其特征在于，全局语义特征的提取规则为：在所述图像分割识别模型的主干网络中，利用多尺度空洞卷积特征提取结构对输入图像进行多尺度卷积运算并汇聚各尺度特征，以提取并输出全局语义特征；局部纹理特征的提取规则为：在所述图像分割识别模型的主干网络并行设置的波磨特征分支中，依次执行卷积、归一化和非线性激活运算，以从钢轨原始图像的特征表示中提取并输出局部纹理特征。
6.根据权利要求1所述的钢轨波磨识别方法，其特征在于，对所述中间特征提取阶段的输出进行通道平均后经Sobel算子生成边缘特征，包括：将所述中间特征提取阶段输出的多通道特征图在通道维度执行平均运算以获得单通道的特征图；在获得的单通道特征图上分别调用固定参数的水平梯度算子和垂直梯度算子进行卷积运算，以提取沿水平方向和垂直方向的梯度响应图；对所述梯度响应图执行幅值计算以融合水平与垂直方向的梯度信息，得到反映钢轨波磨边界位置与走向的边缘特征。
7.根据权利要求1所述的钢轨波磨识别方法，其特征在于，将所述全局语义特征、局部纹理特征和边缘特征融合，获得分割掩码图，包括：在通道维度上依次拼接全局语义特征、局部纹理特征和边缘特征，形成融合特征张量；将所述融合特征张量输入至卷积降维单元，通过一维卷积运算将通道数压缩至预设维度，并执行批归一化处理；在批归一化结果上施加非线性激活函数，得到融合后的特征图；将所述融合后的特征图输入至图像分割识别模型的输出卷积层，生成在空间位置上对应钢轨区域且在像素类别上区分波磨区域与背景区域的分割掩码图。
8.根据权利要求1所述的钢轨波磨识别方法，其特征在于，将基于所述分割掩码图裁剪的ROI图像片段与所述中间特征提取阶段提取的用于目标检测的特征一并输入目标检测网络，执行基于边界框重叠度优化损失的回归计算，输出钢轨波磨检测结果，包括：在所述分割掩码图中通过连通域分析确定波磨区域的边界坐标，并按照预设比例对所述边界坐标进行外扩以形成裁剪框；利用所述裁剪框在钢轨原始图像中提取包含波磨区域的ROI图像片段，并将所述ROI图像片段与所述中间特征提取阶段输出的经预处理适配的目标检测特征在特征维度进行对齐；将对齐后的ROI图像片段与目标检测特征共同输入至基于深度卷积神经网络的目标检测网络，生成候选边界框集合；对所述候选边界框集合执行基于DIoU Loss的边界框回归优化，以调整各候选框的位置与形状，并在优化完成后输出包含波磨位置及范围的钢轨波磨检测结果。
9.一种钢轨波磨识别系统，其特征在于，所述钢轨波磨识别系统包括：采集单元，用于基于采集的钢轨原始图像数据生成钢轨波磨真值图像数据并执行预处理；提取单元，用于将预处理后的图像数据送入具备多尺度空洞卷积特征提取结构且在中间特征提取阶段的多个特征层输出后引入CBAM注意力机制的图像分割识别模型，以提取全局语义特征和局部纹理特征；融合单元，用于对所述中间特征提取阶段的输出进行通道平均后经Sobel算子生成边缘特征，并将所述全局语义特征、局部纹理特征和边缘特征融合，获得分割掩码图；输出单元，用于将基于所述分割掩码图裁剪的ROI图像片段与所述中间特征提取阶段提取的用于目标检测的特征一并输入目标检测网络，执行基于边界框重叠度优化损失的回归计算，输出钢轨波磨检测结果。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行权利要求1-8中任一项权利要求所述的钢轨波磨识别方法。
