[發(fā)明專利]一種基于深度學(xué)習(xí)的鋼軌識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710439914.1
• 申請(qǐng)日: 2017-06-12
• 公開（公告）號(hào): CN107392313B
• 公開（公告）日: 2020-09-29
• 發(fā)明（設(shè)計(jì)）人: 黃尊地;李鶴喜;常寧;翟玉江;王前選;楊鐵牛;何宇;鄭聲佳;李特特;梁乘瑋;梁明輝;吳澤欽;何闖;傅志輝;吳志法
• 申請(qǐng)（專利權(quán)）人: 五邑大學(xué)
• 主分類號(hào): G06N3/08
• 分類號(hào): G06N3/08;G06K9/62
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 梁嘉琦

1.一種基于深度學(xué)習(xí)的鋼軌識(shí)別方法，其特征在于：包括以下步驟：

A、建立基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型；

B、根據(jù)軌道的圖像制作用于對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的訓(xùn)練數(shù)據(jù)集；

C、把訓(xùn)練數(shù)據(jù)集輸入到神經(jīng)網(wǎng)絡(luò)模型中對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到鋼軌上任意目標(biāo)點(diǎn)的坐標(biāo)；

D、根據(jù)鋼軌中兩個(gè)以上的目標(biāo)點(diǎn)的坐標(biāo)，建立鋼軌直線方程；

E、通過判斷圖像上的目標(biāo)點(diǎn)的坐標(biāo)是否滿足鋼軌直線方程，對(duì)鋼軌進(jìn)行識(shí)別；

其中，所述步驟A中建立基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型，包括第一級(jí)神經(jīng)網(wǎng)絡(luò)模型、第二級(jí)神經(jīng)網(wǎng)絡(luò)模型和第三級(jí)神經(jīng)網(wǎng)絡(luò)模型；

所述步驟B中根據(jù)軌道的圖像制作用于對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練的訓(xùn)練數(shù)據(jù)集，包括制作用于訓(xùn)練第一級(jí)神經(jīng)網(wǎng)絡(luò)模型的第一級(jí)訓(xùn)練數(shù)據(jù)集、制作用于訓(xùn)練第二級(jí)神經(jīng)網(wǎng)絡(luò)模型的第二級(jí)訓(xùn)練數(shù)據(jù)集和制作用于訓(xùn)練第三級(jí)神經(jīng)網(wǎng)絡(luò)模型的第三級(jí)訓(xùn)練數(shù)據(jù)集；

制作用于訓(xùn)練第一級(jí)神經(jīng)網(wǎng)絡(luò)模型的第一級(jí)訓(xùn)練數(shù)據(jù)集，包括以下步驟：

B1、沿著圖像中軌道的中心線分割圖像；

B2、對(duì)經(jīng)過分割處理后的圖像進(jìn)行灰度化處理；

B3、對(duì)經(jīng)過灰度化處理的圖像進(jìn)行去干擾處理；

B4、標(biāo)定兩個(gè)目標(biāo)點(diǎn)在圖像中的坐標(biāo)，經(jīng)過去干擾處理的圖像以及兩個(gè)目標(biāo)點(diǎn)在圖像中的坐標(biāo)，即為第一級(jí)訓(xùn)練數(shù)據(jù)集；

制作用于訓(xùn)練第二級(jí)神經(jīng)網(wǎng)絡(luò)模型的第二級(jí)訓(xùn)練數(shù)據(jù)集，包括以下步驟：

B5、以圖像中鋼軌上的目標(biāo)點(diǎn)作為中心點(diǎn)，提取正方形小圖片；

B6、對(duì)正方形小圖片進(jìn)行灰度化處理；

B7、對(duì)經(jīng)過灰度化處理的正方形小圖片進(jìn)行去干擾處理；

B8、標(biāo)定目標(biāo)點(diǎn)在正方形小圖片中的坐標(biāo)，經(jīng)過去干擾處理的正方形小圖片以及目標(biāo)點(diǎn)在正方形小圖片中的坐標(biāo)，即為第二級(jí)訓(xùn)練數(shù)據(jù)集；

制作用于訓(xùn)練第三級(jí)神經(jīng)網(wǎng)絡(luò)模型的第三級(jí)訓(xùn)練數(shù)據(jù)集的步驟與制作第二級(jí)訓(xùn)練數(shù)據(jù)集的步驟相一致。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的鋼軌識(shí)別方法，其特征在于：所述第一級(jí)神經(jīng)網(wǎng)絡(luò)模型包括兩個(gè)以上的卷積層、兩個(gè)以上的最大值池化層和兩個(gè)以上的全連接層，所述第二級(jí)神經(jīng)網(wǎng)絡(luò)模型包括兩個(gè)以上的卷積層、兩個(gè)以上的最大值池化層和兩個(gè)以上的全連接層，所述第三級(jí)神經(jīng)網(wǎng)絡(luò)模型包括兩個(gè)以上的卷積層、兩個(gè)以上的最大值池化層和兩個(gè)以上的全連接層，所述卷積層和最大值池化層間隔設(shè)置，所述全連接層均設(shè)置于所述第一級(jí)神經(jīng)網(wǎng)絡(luò)模型、第二級(jí)神經(jīng)網(wǎng)絡(luò)模型和第三級(jí)神經(jīng)網(wǎng)絡(luò)模型的最后層次。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的鋼軌識(shí)別方法，其特征在于：所述步驟C中把訓(xùn)練數(shù)據(jù)集輸入到神經(jīng)網(wǎng)絡(luò)模型中對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到鋼軌上任意目標(biāo)點(diǎn)的坐標(biāo)，包括以下步驟：

C1、對(duì)神經(jīng)網(wǎng)絡(luò)模型的權(quán)值進(jìn)行初始化；

C2、神經(jīng)網(wǎng)絡(luò)模型利用訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練，并輸出目標(biāo)點(diǎn)的坐標(biāo)；

C3、利用誤差分析函數(shù)對(duì)由神經(jīng)網(wǎng)絡(luò)模型輸出的目標(biāo)點(diǎn)坐標(biāo)進(jìn)行判斷，若誤差值小于指定值，則停止訓(xùn)練，輸出目標(biāo)點(diǎn)的坐標(biāo)；若誤差值不小于指定值，則轉(zhuǎn)到步驟C2。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的鋼軌識(shí)別方法，其特征在于：所述步驟D中建立鋼軌直線方程，其方程公式為：

y＝kx+b

其中，y為鋼軌上的目標(biāo)點(diǎn)的縱坐標(biāo)數(shù)值，x為鋼軌上的目標(biāo)點(diǎn)的橫坐標(biāo)數(shù)值，k為圖像中鋼軌的斜率，b為圖像中鋼軌的截距。