[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

本申請實施例公開了一種基于深度學習的圖片檢測方法和系統，通過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；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。解決軌道交通運維環節產生的海量圖像數據分析需求，提升工作效率與智能化水平。

技術領域

本申請實施例涉及智能交通技術領域，具體涉及一種基于深度學習的圖片檢測方法及系統。

背景技術

軌道交通是指運營車輛需要在特定軌道上行駛的一類交通工具或運輸系統。最典型的軌道交通就是由傳統火車和標準鐵路所組成的鐵路系統。隨著火車和鐵路技術的多元化發展，軌道交通呈現出越來越多的類型，不僅遍布于長距離的陸地運輸，也廣泛運用于中短距離的城市公共交通中。常見的軌道交通有傳統鐵路(國家鐵路、城際鐵路和市域鐵路)、地鐵、輕軌和有軌電車，新型軌道交通有磁懸浮軌道系統、單軌系統(跨座式軌道系統和懸掛式軌道系統)和旅客自動捷運系統等。

隨著我國軌道交通里程數不斷增加，對相應基礎設施的檢測和維護需求也在持續擴大。軌道交通系統采用了大量的固定或者移動式視頻、圖像采集裝置來獲取軌道及其周邊設施的日常狀態。這一類視頻、圖像采集裝置每天都會產生大量的數據。如何高效的從海量數據中獲取那些反映設備外觀缺陷、異常的圖像及視頻，對軌道交通系統的安全穩定運行有著十分重要的意義。事實上，軌道交通系統中，對這些海量圖像數據的利用十分有限，大部分海量圖像采集后被閑置，得不到及時分析；有限的重點部位如軌道面、鐵軌等，設備采集的圖像也基本是通過人工篩查尋找缺陷。不僅自動化圖像攝錄設備的投入得不到有效、充分的利用，還需要針對這些自動化攝錄設備配備大量的人力來手動分析查看圖像，出現了自動化程度越高，人力不降反升的怪現象。目前，軌道交通運維圖像分析識別由于缺少有效的自動化缺陷識別工具與方法，主要方式仍為人工目視篩查，該方式的缺點毋庸置疑：速度慢、準確度低、人工易疲勞、人員成本高。

如何能高效的處理這些軌道交通日常運維產生的海量圖像信息，真正實現運維巡檢的從采集到分析的端到端的自動化、智能化，是我國鐵路、軌道交通系統智能化水平提升的一個重要課題。

發明內容

為此，本申請實施例提供一種基于深度學習的圖片檢測方法和系統，專為批量分析軌道交通海量視頻圖像數據量身定制。系統通過自動讀取硬盤存儲介質上的圖像數據，使用深度學習AI算法進行智能分析，自動從海量圖像數據中尋找定位相關設備或區域的缺陷、異常等預定義特征目標，自動存儲檢測圖像，同時通過Web數據可視化展示，將圖像檢查人員從繁重的目視檢測工作中解脫出來，并極大的提升了檢測的效率與準確性。

為了實現上述目的，本申請實施例提供如下技術方案：

根據本申請實施例的第一方面，提供了一種基于深度學習的圖片檢測方法，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。