[發明專利]一種基于改進殘差網絡的鐵路隧道裂縫檢測方法

在審

• 申請號: 202110041556.5
• 申請日: 2021-01-13
• 公開（公告）號: CN112734734A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 饒志強;?；?/a>;李益晨;李子仡;趙玉林
• 申請（專利權）人: 北京聯合大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 北京馳納智財知識產權代理事務所(普通合伙) 11367
• 代理人: 李佳佳

本發明提供一種基于改進殘差網絡的鐵路隧道裂縫檢測方法，包括收集鐵路隧道裂縫圖像并得到鐵路隧道裂縫檢測數據集，還包括以下步驟：對所述鐵路隧道裂縫檢測數據集中的圖像進行增強處理并將所述圖像隨機劃分為訓練集和測試集；對殘差網絡結構進行改進，用訓練集中的圖像對改進后的殘差網絡進行訓練；用訓練后的殘差網絡結構對鐵路隧道圖像進行裂縫分類檢測。該方法通過對ResNet殘差網絡結構進行改進，形成金字塔空洞卷積模塊；添加金字塔空洞卷積模塊改善ResNet網絡的底層感受野并提高分類的準確率；采用基于度量學習的組合損失函數來區分不同類之間的相似差異，減少裂縫的漏檢率和誤檢率，從而更好地實現復雜背景下細小裂縫的檢測。

技術領域

本發明涉及鐵路智能監測與機器視覺的技術領域，特別是一種基于改進殘差網絡的鐵路隧道裂縫檢測方法。

背景技術

鐵路隧道在運營期間因為各種原因產生不同程度的病害，襯砌裂縫是最常見的一種，裂縫會影響隧道的穩定性，對于鐵路隧道安全運行是個極大的隱患，久而久之會對列車的運行造成負面影響，因此對隧道裂縫進行及時有效的識別與處理是一項非常重要的工作。目前，鐵路隧道裂縫的檢測大多使用人工檢查的方法，該方法難以滿足鐵路安全檢測快速發展的要求。

目前利用計算機視覺和數字圖像處理來檢測裂縫已引起越來越多的關注，常用的方法如Gabor濾波、隨機森林、稀疏表示方法、支持向量機(SVM)和Hough變換與SVM相結合等方法。雖然這些方法取得了較好的檢測效果，但是它們對輸入圖像的質量要求較高，而鐵路隧道圖像包含復雜的自然特征，例如油漆、水漬和結構縫等，加之隧道內光線不均勻和噪聲的干擾，使得裂縫檢測受到極大的影響?；谏疃葘W習的裂縫檢測方法包括：利用圖像塊對卷積神經網絡訓練和檢測，但該方法樣本相似度高，且需要考慮訓練樣本中裂縫和非裂縫樣本的比例，實現起來較為困難；基于GoogleNet模型，通過改進Inception模塊和優化卷積核，提升網絡對隧道襯砌圖像病害分類識別的能力，但該方法未考慮圖像中病害的位置特征，檢測效率有待進一步提升；使用遷移學習的方法對裂縫進行分類，對較小的數據集采用預訓練的VGG16模型進行微調來完成分類任務，但模型精度有待提高。

公開號為CN111489352A的發明專利申請公開了一種基于數字圖像處理的隧道縫隙檢測與測量方法及裝置，該方法包括：采集鐵路隧道的襯砌表面圖像；灰度化處理襯砌表面圖像；增強灰度圖像中裂縫與背景的對比度；將再次引導濾波的圖像進行圖片二值化；建立全卷積神經網絡模型并融合部分輸出結果；篩選灰度圖像中隧道裂縫圖像；標注訓練集中的訓練樣本圖片；對不同訓練集訓練改進全卷積神經網絡模型并測試；通過驗證的改進全卷積神經網絡模型提取襯砌表面圖像的線性裂縫；計算線性裂縫的面積、長度及寬度。該方法的缺點是不能找到復雜背景下鐵路隧道細小裂縫的圖像特征，并且不能很好的恢復經過池化層之后的圖像細節結構信息，存在邊緣平滑和細節丟失的問題，易造成細小裂縫漏檢的現象。

發明內容

為了解決上述的技術問題，本發明提出的基于改進殘差網絡的鐵路隧道裂縫檢測方法，該方法通過對ResNet殘差網絡結構進行改進，主要改進方面為：將具有不同擴張率的空洞卷積塊與傳統的卷積塊相結合，形成金字塔空洞卷積模塊；添加金字塔空洞卷積模塊改善ResNet網絡的底層感受野并提高分類的準確率；采用基于度量學習的組合損失函數來區分不同類之間的相似差異，減少裂縫的漏檢率和誤檢率，從而更好地實現復雜背景下細小裂縫的檢測。

本發明的目的是提供一種基于改進殘差網絡的鐵路隧道裂縫檢測方法，包括收集鐵路隧道裂縫圖像并得到鐵路隧道裂縫檢測數據集，還包括以下步驟：

步驟1：對所述鐵路隧道裂縫檢測數據集中的圖像進行增強處理并將所述圖像隨機劃分為訓練集和測試集；

步驟2：對殘差網絡結構進行改進，用訓練集中的圖像對改進后的殘差網絡進行訓練；

步驟3：用訓練后的殘差網絡結構對鐵路隧道圖像進行裂縫分類檢測。

優選的是，所述增強處理包括對圖像進行灰度處理、高斯濾波和圖像歸一化中至少一種。