[發(fā)明專利]一種基于YOLO的隧道內(nèi)鐵軌缺陷檢測方法

在審

• 申請?zhí)枺?/td>: 202010340381.3
• 申請日: 2020-04-26
• 公開（公告）號: CN111598846A
• 公開（公告）日: 2020-08-28
• 發(fā)明（設計）人: 楚紅雨;王陽;王亮
• 申請（專利權）人: 鯤鵬通訊（昆山）有限公司;昆山鯤鵬無人機科技有限公司;蘇州明逸智庫信息科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T5/00;G06K9/62;G06N3/04
• 代理公司: 西安乾方知識產(chǎn)權代理事務所(特殊普通合伙) 61259
• 代理人: 胡思棉

1.一種基于YOLO的隧道內(nèi)鐵軌表面缺陷檢測方法，包括如下步驟：

1)具有圖像采集、自主定位功能的無人機從以隧道入口為初始點，隧道出口為結束點；進入隧道內(nèi)對鐵軌進行巡檢；

2)采集鐵軌表面實時圖像信息，實時檢測鐵軌表面缺陷，若檢測到表面缺陷，則進入步驟3)；否則重復步驟2)，直至到達結束位置；

3)存儲當前圖片，標記圖中缺陷位置，同時記錄缺陷類型及當前無人機位置信息。

2.根據(jù)權利要求書1所述的基于YOLO的隧道內(nèi)鐵軌表面缺陷檢測方法，其特征在于，步驟1)中所述無人機使用激光雷達配合SLAM算法構建隧道巡檢地圖，并在巡檢工作中進行實時定位。

3.根據(jù)權利要求書1所述的基于YOLO的隧道內(nèi)鐵軌表面缺陷檢測方法，其特征在于，在無人機機體下方搭載可控陣列光源，針對隧道內(nèi)光照不足的情況進行補光，光源光照強度L調(diào)節(jié)公式為：

L＝L₀+u

其中：其中光源光照強度控制如下：

自然光條件下，無人機拍攝鐵軌表面的初始灰度均值隧道環(huán)境內(nèi)采集圖像的灰度均值h，L₀為初始光照強度，設置為100Lux，u∈[-10,10]，K_p和K_d分別為比例系數(shù)和微分系數(shù)。

4.根據(jù)權利要求書1所述的基于YOLO的隧道內(nèi)鐵軌表面缺陷檢測方法，其特征在于，無人機未檢測到缺陷時速度v為：

其中：v₀為初始速度，K_v為調(diào)節(jié)系數(shù)，其取值范圍為[0,0.5]；為算法理想情況下運行時的平均檢測幀率，f_q為巡檢過程中的實時檢測幀率。

5.根據(jù)權利要求書1所述的基于YOLO的隧道內(nèi)鐵軌表面缺陷檢測方法，其特征在于步驟2)中，對于采集的缺陷圖像的檢測步驟如下：

A1、采集圖像預處理：采集鐵軌表面的缺陷圖像，對當前視頻幀圖像進行預處理，所述預處理包括鐵軌定位、圖像增強和圖像去噪，保護目標信息并消除非鐵軌區(qū)域和噪聲的干擾，增強圖像對比度；

A2、圖像特征提取：將預處理后的缺陷圖像作為輸入圖像，在網(wǎng)絡中進行特征提取，得到三種尺度的特征圖，并通過上采樣得到張量值；

A3、目標邊界框的預測：通過轉(zhuǎn)換獲取圖像中的標簽數(shù)據(jù)，包括中心坐標值b_x，b_y，寬高值b_w，b_h和類別，進行目標邊界框的預測；

A4、損失回歸：損失函數(shù)的計算，損失函數(shù)主要包括三個部分：目標定位偏移量損失，目標置信度損失和目標分類損失。

6.根據(jù)權利要求書5所述的基于YOLO的隧道內(nèi)鐵軌表面缺陷檢測方法，其特征在于步驟A1中圖像預處理中：鐵軌定位采用OTSU算法進行圖像分割，得到完整鐵軌表面區(qū)域圖像；圖像增強采用局部對比度法實現(xiàn)圖像對比度增強；圖像去噪采用多級中值濾波去噪，抑制噪聲的同時保護鐵軌上細小結構。

7.根據(jù)權利要求書6所述的基于YOLO的隧道內(nèi)鐵軌表面缺陷檢測方法，其特征在于圖像增強中的圖像對比度D(x,y)計算公式如下：

h(x,y)是圖像中像素點(x,y)的灰度值，h_B為像素點(x,y)鄰域B中灰度均值，其中區(qū)域B定義為以像素點(x,y)為中心的1×150的線型區(qū)域。

8.根據(jù)權利要求書5所述的基于YOLO的隧道內(nèi)鐵軌表面缺陷檢測方法，其特征在于步驟A2中得到的三種特征圖尺度分別為13*13、26*26和52*52，三種尺度的特征圖結合成為最終輸出，并得到三個張量值，分別為(S,3,13/26/52,13/26/52,3*(W+C+L))，其中，S表示特征圖網(wǎng)格尺寸，W表示預測得到的預測結果的中心坐標值和寬高值，C表示預測框的置信度，L表示在該特征點上預測類別的概率。