[發明專利]一種基于U-Net的高速鐵路鋼軌損傷檢測方法

有效

• 申請號: 202010138082.1
• 申請日: 2020-03-03
• 公開（公告）號: CN111402209B
• 公開（公告）日: 2023-06-13
• 發明（設計）人: 雷渠江;徐杰;梁波;李秀昊;桂光超;劉紀;劉俊豪;潘藝芃;王衛軍;韓彰秀
• 申請（專利權）人: 廣州中國科學院先進技術研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 廣州容大知識產權代理事務所(普通合伙) 44326
• 代理人: 潘素云

1.一種基于U-Net的高速鐵路鋼軌損傷檢測方法，其特征在于，包括如下步驟：

圖像采集：搭建高速鐵路鋼軌損傷檢測現實場景，通過深度相機獲取鋼軌損傷的檢測圖像；

圖像注釋：使用圖像注釋工具，在采集的每個原始圖像中標記鋼軌損傷區域并將注釋保存；

圖像預處理：將每個原始圖像和對應的標簽均變成相同像素分辨率的圖片，并通過翻轉、顏色抖動和高斯模糊的數據增強操作來擴充訓練樣本以提高網絡的泛化能力，并按比例將數據集隨機分成訓練集、驗證集和測試集；

模型訓練：設置鋼軌損傷檢測網絡模型的參數，輸入圖像及其對應的分割圖，通過深度學習算法平臺實現檢測網絡的訓練，并根據訓練網絡的評價指標來修改檢測網絡模型參數，直至得到評價指標；

利用模型進行裂紋檢測：依據U-Net網絡計算出的分割圖在原始輸入圖像上用矩形框進行標記，如果所采集的圖像包含缺陷，則在計算機中提示相關處理結果，并將含缺陷工件標識入庫，如果沒有缺陷則丟棄圖像繼續運行；

鋼軌損傷檢測網絡模型具體為：

由一個收縮路徑和一個擴展路徑組成；收縮路徑遵循卷積網絡的典型架構，它由兩個3×3卷積層的重復使用組成，每個卷積層后跟一個ReLU函數激活層和一個步長為2、池化核為2×2的最大池化層用于對圖像進行下采樣；在每個下采樣步驟中，將特征通道的數量加倍；擴展路徑中的每個步驟都包括對特征圖進行上采樣，隨后進行2×2卷積，以對特征通道的數量減半，并與從收縮路徑中相應裁剪的特征圖進行級聯，再加上兩個3×3卷積層，每個卷積單元后跟一個ReLU函數激活層；由于邊界像素的丟失，必須對每個卷積單元進行裁剪；在最后一層，使用1×1卷積將每個64通道的特征向量映射到所需的類上；該網絡總共有23個卷積層；為了無縫拼接輸出分割圖，重要的是選擇輸入圖塊大小，以便將所有2×2最大池化操作應用于x和y大小均等的圖層；

模型訓練中，由于鋼軌表面損傷區域與周圍正常組織的像素不連續，故使用形態學運算來分割邊界，分割權重公式為：

式(1)中，w_c表示平衡類頻率，w₀表示初始權重，d₁表示損傷區域到最近邊界的距離，d₂表示損傷區域到第二近的邊界距離，σ表示像素個數；

在模型訓練之后，使用準確率、召回率、損失曲線的評估指標對模型訓練結果進行評估。

2.根據權利要求1所述的基于U-Net的高速鐵路鋼軌損傷檢測方法，其特征在于，高速鐵路鋼軌損傷檢測現實場景包括：

相機，用于連續采集圖像，并將圖像送至計算機中；

光源，用于使圖像中的目標信息與背景信息得到最佳分離，大大降低圖像處理的算法難度，同時提高檢測系統的精度和可靠性；

計算機，用于分析圖像特征，完成鋼軌損傷檢測模型的訓練，實時檢測出圖像中是否包含缺陷，如果沒有缺陷則丟棄圖像并繼續運行，如果所采集的圖像包含缺陷，則報警裝置對有缺陷的圖像進行報警；

報警裝置，用于對有缺陷的圖像進行報警，最終完成鋼軌損傷檢測。

3.根據權利要求1所述的基于U-Net的高速鐵路鋼軌損傷檢測方法，其特征在于，圖像預處理操作包括：

數據增強操作包括翻轉、顏色抖動和高斯噪聲；

其中，翻轉是將圖像的左右或上下部分以圖像垂直中軸線為中心進行鏡像兌換；顏色抖動是將圖像變換到HSV顏色空間，然后隨機改變圖像的曝光度、飽和度和色調，最后再將變換后的圖像轉到RGB空間，隨機形成不同光照及顏色下的圖片，達到數據增強的目的；高斯噪聲是在原圖上添加高斯分布的模板，從而使圖像變得模糊；

在圖像預處理時，需將圖像邊界模糊、標記錯誤的數據集刪除，之后選取200張圖像作為數據集，其中70％的數據集用于訓練，10％的數據集用于驗證，20％的數據集用于測試。

4.根據權利要求1所述的基于U-Net的高速鐵路鋼軌損傷檢測方法，其特征在于，圖像注釋中，所述圖像注釋工具為LabelMe。

5.根據權利要求1所述的基于U-Net的高速鐵路鋼軌損傷檢測方法，其特征在于，圖像注釋中，在采集的每個原始圖像中標記鋼軌損傷區域并將注釋保存為JSON文件。

6.根據權利要求1所述的基于U-Net的高速鐵路鋼軌損傷檢測方法，其特征在于，圖像預處理中，將每個原始圖像和對應的標簽均變成160×1000像素分辨率的圖片。