[發明專利]一種基于深度學習的圖片檢測方法及系統

在審

• 申請號: 202010905964.6
• 申請日: 2020-09-01
• 公開（公告）號: CN112184624A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 瞿翊;徐浪
• 申請（專利權）人: 燊賽（上海）智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08;G06N3/04
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 杜立軍

1.一種基于深度學習的圖片檢測方法，其特征在于，所述方法包括：

圖片檢測系統自動讀取硬盤存儲介質上的軌道交通的圖像數據；

所述圖片檢測系統將所述圖像數據輸入至預先訓練好的深度學習網絡模型，使用GPU進行分析，以使得深度學習網絡模型各層對輸入圖像進行卷積處理和采樣過濾，提取出輸入圖像的特征，將檢測到的輸入圖像的異常區域確定為目標區域；

由尺寸大小不同的檢測框分析目標區域的位置和置信度，在原圖上標注缺陷類型和置信度，作為輸出結果輸入到CPU；所述檢測框為所述深度學習網絡模型在推理完一幀圖像后，顯示在推理完的圖像上的被識別為異常區域的標注方框；

CPU將輸出結果保存至數據庫和本地指定路徑，并發送至前端進行結果統計和可視化處理，以使得在前端界面實時查看檢測結果和所有圖像檢測的統計結果。

2.如權利要求1所述的方法，其特征在于，所述圖片檢測系統將所述圖像數據輸入至預先訓練好的深度學習網絡模型，使用GPU進行分析，包括：

將所述圖像數據輸入至預先訓練好的深度學習網絡模型，利用多個GPU并行處理分析多個圖像數據。

3.如權利要求1所述的方法，其特征在于，所述方法還包括：在所述異常區域上會用不同顏色的標注框指示出異常位置，所述圖片檢測系統自動在同級目錄下另存異常圖像原圖目錄和異常圖像標注圖目錄，以便于用戶查找比對。

4.如權利要求1所述的方法，其特征在于，所述輸入圖像的異常區域是根據基建墻、路面水泥表面裂紋、剝落、交通沿線設備零部件異常狀態、非正常位置的用戶預定義情況中的一種或多種確定的。

5.一種基于深度學習的圖片檢測系統，其特征在于，所述系統包括：

數據讀取模塊，用于自動讀取硬盤存儲介質上的軌道交通的圖像數據；

圖片智能檢測模塊，用于將所述圖像數據輸入至預先訓練好的深度學習網絡模型，使用GPU進行分析，以使得深度學習網絡模型各層對輸入圖像進行卷積處理和采樣過濾，提取出輸入圖像的特征，將檢測到的輸入圖像的異常區域確定為目標區域；

輸出模塊，用于由尺寸大小不同的檢測框分析目標區域的位置和置信度，在原圖上標注缺陷類型和置信度，作為輸出結果輸入到CPU；所述檢測框為所述深度學習網絡模型在推理完一幀圖像后，顯示在推理完的圖像上的被識別為異常區域的標注方框；

數據發送模塊，用于CPU將輸出結果保存至數據庫和本地指定路徑，并發送至前端進行結果統計和可視化處理，以使得在前端界面實時查看檢測結果和所有圖像檢測的統計結果。

6.如權利要求5所述的系統，其特征在于，所述圖片智能檢測模塊，具體用于：

將所述圖像數據輸入至預先訓練好的深度學習網絡模型，利用多個GPU并行處理分析多個圖像數據。

7.如權利要求5所述的系統，其特征在于，所述系統還包括：在所述異常區域上會用不同顏色的標注框指示出異常位置，所述圖片檢測系統自動在同級目錄下另存異常圖像原圖目錄和異常圖像標注圖目錄，以便于用戶查找比對。

8.如權利要求5所述的系統，其特征在于，所述輸入圖像的異常區域是根據基建墻、路面水泥表面裂紋、剝落、交通軌道或沿線設備零部件異常狀態、非正常位置的用戶預定義情況中的一種或多種確定的。

9.一種設備，其特征在于，所述設備包括：數據采集裝置、處理器和存儲器；

所述數據采集裝置用于采集數據；所述存儲器用于存儲一個或多個程序指令；所述處理器，用于執行一個或多個程序指令，用以執行如權利要求1-4任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機存儲介質中包含一個或多個程序指令，所述一個或多個程序指令用于執行如權利要求1-4任一項所述的方法。