[發(fā)明專利]少樣本學(xué)習(xí)的鋼軌表面缺陷檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202011059937.8
• 申請(qǐng)日: 2020-09-30
• 公開(kāi)（公告）號(hào): CN112330591B
• 公開(kāi)（公告）日: 2023-01-24
• 發(fā)明（設(shè)計(jì)）人: 劉俊博;王勝春;王凡;杜馨瑜;顧子晨
• 申請(qǐng)（專利權(quán)）人: 中國(guó)國(guó)家鐵路集團(tuán)有限公司;中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司;中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司基礎(chǔ)設(shè)施檢測(cè)研究所;北京鐵科英邁技術(shù)有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T7/90;G06N3/04;G06V10/764;G06V10/774;G06V10/80;G06V10/82;B61K9/08
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 薛平;周曉飛

1.一種少樣本學(xué)習(xí)的鋼軌表面缺陷檢測(cè)方法，其特征在于，包括：

獲得少量已標(biāo)注的鋼軌表面缺陷圖像；

對(duì)少量已標(biāo)注的鋼軌表面缺陷圖像進(jìn)行數(shù)量擴(kuò)展，構(gòu)建鋼軌表面缺陷數(shù)據(jù)集；

構(gòu)建多層級(jí)特征融合的鋼軌表面缺陷檢測(cè)網(wǎng)絡(luò)模型，所述多層級(jí)特征融合的鋼軌表面缺陷檢測(cè)網(wǎng)絡(luò)模型的多任務(wù)損失函數(shù)包括目標(biāo)定位邊界框損失函數(shù)和多類別分類損失函數(shù)，其中，目標(biāo)定位邊界框損失函數(shù)用于訓(xùn)練多層級(jí)特征融合的鋼軌表面缺陷檢測(cè)網(wǎng)絡(luò)模型定位缺陷區(qū)域，多類別分類損失函數(shù)用于訓(xùn)練多層級(jí)特征融合的鋼軌表面缺陷檢測(cè)網(wǎng)絡(luò)模型識(shí)別缺陷類別；

根據(jù)鋼軌表面缺陷數(shù)據(jù)集訓(xùn)練多層級(jí)特征融合的鋼軌表面缺陷檢測(cè)網(wǎng)絡(luò)模型；

在采集到多張鋼軌圖像后，將多張鋼軌圖像拼接，獲得拼接后的鋼軌圖像并輸入至多層級(jí)特征融合的鋼軌表面缺陷檢測(cè)網(wǎng)絡(luò)模型中，輸出鋼軌表面缺陷檢測(cè)結(jié)果，所述鋼軌表面缺陷檢測(cè)結(jié)果包括缺陷區(qū)域和缺陷類別。

2.如權(quán)利要求1所述的少樣本學(xué)習(xí)的鋼軌表面缺陷檢測(cè)方法，其特征在于，獲得少量已標(biāo)注的鋼軌表面缺陷圖像，包括：

采集少量軌道圖像并分割出少量鋼軌區(qū)域圖像；

對(duì)所述少量鋼軌區(qū)域圖像的缺陷區(qū)域位置和缺陷類別進(jìn)行標(biāo)注，獲得少量已標(biāo)注的鋼軌表面缺陷圖像。

3.如權(quán)利要求2所述的少樣本學(xué)習(xí)的鋼軌表面缺陷檢測(cè)方法，其特征在于，采集少量軌道圖像并分割出少量鋼軌區(qū)域圖像，包括：

對(duì)于每一張軌道圖像，檢測(cè)出軌道圖像中的多條直線段；兩兩計(jì)算垂直于該軌道圖像X軸的直線段的X坐標(biāo)差值，若所述X坐標(biāo)差值小于預(yù)設(shè)值，合并直線段；按直線段長(zhǎng)度對(duì)合并后的直線段正序排列，確定X坐標(biāo)差值在預(yù)設(shè)范圍內(nèi)的兩條最長(zhǎng)直線段為鋼軌區(qū)域的兩側(cè)邊界；根據(jù)所述兩側(cè)邊界，從該張軌道圖像中分割提取鋼軌區(qū)域圖像。

4.如權(quán)利要求1所述的少樣本學(xué)習(xí)的鋼軌表面缺陷檢測(cè)方法，其特征在于，對(duì)少量已標(biāo)注的鋼軌表面缺陷圖像進(jìn)行數(shù)量擴(kuò)展，構(gòu)建鋼軌表面缺陷數(shù)據(jù)集，包括：

對(duì)少量已標(biāo)注的鋼軌表面缺陷圖像進(jìn)行預(yù)處理，獲得預(yù)處理后的鋼軌表面缺陷圖像；

將預(yù)處理后的鋼軌表面缺陷圖像進(jìn)行數(shù)量擴(kuò)展，并將數(shù)量擴(kuò)展后的鋼軌表面缺陷圖像劃分至多個(gè)有編號(hào)圖像列表中；

將多個(gè)有編號(hào)圖像列表中的鋼軌表面缺陷圖像拼接為多張樣本圖像，構(gòu)成鋼軌表面缺陷數(shù)據(jù)集。

5.如權(quán)利要求4所述的少樣本學(xué)習(xí)的鋼軌表面缺陷檢測(cè)方法，其特征在于，對(duì)少量已標(biāo)注的鋼軌表面缺陷圖像進(jìn)行預(yù)處理，包括：

對(duì)每張標(biāo)注的鋼軌表面缺陷圖像，使用對(duì)數(shù)變換法減小該張標(biāo)注的鋼軌表面缺陷圖像內(nèi)各像素的灰度差異，獲得變換后的鋼軌表面缺陷圖像；使用Z-Score標(biāo)準(zhǔn)化方法對(duì)變換后的鋼軌表面缺陷圖像進(jìn)行增強(qiáng)，獲得預(yù)處理后的鋼軌表面缺陷圖像。

6.如權(quán)利要求4所述的少樣本學(xué)習(xí)的鋼軌表面缺陷檢測(cè)方法，其特征在于，將預(yù)處理后的鋼軌表面缺陷圖像進(jìn)行數(shù)量擴(kuò)展，并將數(shù)量擴(kuò)展后的鋼軌表面缺陷圖像劃分至多個(gè)有編號(hào)圖像列表中，包括：

根據(jù)鋼軌表面缺陷圖像的缺陷類別，對(duì)預(yù)處理后的鋼軌表面缺陷圖像進(jìn)行排序；

統(tǒng)計(jì)不同缺陷類別的鋼軌表面缺陷圖像的數(shù)量；

根據(jù)每種缺陷類別的鋼軌表面缺陷圖像的數(shù)量，為每種缺陷類別創(chuàng)建一個(gè)設(shè)定長(zhǎng)度的有編號(hào)圖像列表，并亂序排列，所述設(shè)定長(zhǎng)度為每種缺陷類別的鋼軌表面缺陷圖像的數(shù)量與第一設(shè)定數(shù)量值的乘積；

對(duì)每個(gè)有編號(hào)圖像列表，循環(huán)讀取該有編號(hào)圖像列表的編號(hào)，使用該編號(hào)與該有編號(hào)圖像列表對(duì)應(yīng)的缺陷類別的鋼軌表面缺陷圖像的數(shù)量取余得到索引值，根據(jù)所述索引值獲得對(duì)應(yīng)的鋼軌表面缺陷圖像并對(duì)其進(jìn)行變換操作，將變換操作后的鋼軌表面缺陷圖像添加至該有編號(hào)圖像列表中，所述變換操作包括垂直翻轉(zhuǎn)、水平翻轉(zhuǎn)和添加高斯噪聲中的至少一種。