[發明專利]一種基于YOLO的隧道內鐵軌缺陷檢測方法

在審

• 申請號: 202010340381.3
• 申請日: 2020-04-26
• 公開（公告）號: CN111598846A
• 公開（公告）日: 2020-08-28
• 發明（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: 西安乾方知識產權代理事務所(特殊普通合伙) 61259
• 代理人: 胡思棉

一種基于YOLO的隧道內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。本發明可提高隧道內鐵軌缺陷檢測效率及檢測精度。

技術領域

本發明涉及缺陷檢測領域和無人機領域，尤其涉及一種基于YOLO的隧道內鐵軌表面缺陷檢測方法。

背景技術

如今，交通運輸已經成為我們生活的一部分，特別是鐵路運輸。中國的鐵路運輸正處于飛速發展階段，而其中的鐵軌表面是目前列車安全運行中比較薄弱的環節。針對鐵軌表面缺陷類型，主要分為磨損、裂紋、壓陷、剝落等影響鐵軌正常使用和威脅列車安全行駛的隱患。

傳統的隧道鐵軌巡檢方式主要通過人工巡檢，但該方式存在許多安全隱患，在耗費大量人力的同時也因隧道內光線昏暗導致漏檢誤檢情況嚴重。因此，一種行之有效的方法是使用無人機來檢測隧道內鐵軌表面缺陷情況。建立鐵軌表面缺陷數據集，基于YOLO框架模型實現對鐵軌表面缺陷的識別，通過無人機巡檢實現實時檢測，同時使用改進的損失函數提升對鐵軌小缺陷的檢測精度。

發明內容

本發明所要解決的技術問題是提供一種無人機針對隧道內鐵軌表面缺陷的檢測方法，可提高檢測效率及檢測精度。

為解決上述技術問題，本發明的技術方案是一種基于YOLO的隧道內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。

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。

在無人機機體下方搭載3*3可控陣列光源，針對隧道內光照不足的情況進行補光，光源光照強度L調節公式為：

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境內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分別為比例系數和微分系數。

無人機未檢測到缺陷時速度v為：

其中：v₀為初始速度，K_v為調節系數，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。

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，對其進行預處理，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域和噪聲的干擾，增強圖像對比度；

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