[發明專利]一種基于深度學習的無縫鋼軌焊縫缺陷識別裝置及方法

在審

• 申請號: 202110362862.9
• 申請日: 2021-04-02
• 公開（公告）號: CN113111875A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 方恩權;楊坤山;鐘濤;劉楊煜;郭峰;周振宇;胡耿;楊杰
• 申請（專利權）人: 廣州地鐵集團有限公司;成都明崛科技有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都金英專利代理事務所(普通合伙) 51218
• 代理人: 袁英

本發明公開了一種基于深度學習的無縫鋼軌焊縫缺陷識別裝置及方法，方法包括以下步驟：圖像數據采集，利用圖像采集單元實時無間隔采集無縫鋼軌軌腰部位的樣本圖像并發送至中心計算機；圖像識別計算，中心計算機篩選樣本圖像中含有無縫鋼軌焊縫的圖片，并對篩選出的圖片進行焊縫區域標注；數據訓練，利用初始化后的深度學習網絡對標注后的圖片進行目標識別訓練，獲得模型文件，并利用模型文件對標注后的樣本圖像進行多層遞歸網絡訓練，輸出最后的無縫鋼軌焊縫缺陷識別結果。本發明通過前期現場實時采集的圖像數據進行篩選標注分析，并對圖像數據進行深度學習訓練獲得模型庫，利用模型庫進行檢測可高效實時識別出軌道焊縫缺陷。

技術領域

本發明涉及鋼軌探傷領域，尤其涉及一種基于深度學習的無縫鋼軌焊縫缺陷識別裝置及方法。

背景技術

隨著高鐵產業的發展，利用工業機器人代替人工打磨高鐵無縫鋼軌焊縫是一種趨勢。針對無縫鋼軌焊縫形貌特征信息復雜，人工打磨效率低下，以及目前人工作業環境惡劣等問題，建立一套焊縫打磨系統代替人工修磨無縫鋼軌焊縫，以此提高無縫鋼軌焊縫修磨效率，降低人工成本。該系統基于工業機器人，結合機器視覺技術與點云處理技術對鋼軌焊縫進行位置識別與特征信息提取，生成無縫鋼軌焊縫打磨路徑。現有無縫鋼軌之間的焊縫受焊接方法、工藝、打磨方式影響，人工巡道時對無縫鋼軌之間焊縫位置確認難以分辨，存在漏檢問題。

如申請號為CN109490416A的專利公開了一種應用于雙軌式鋼軌探傷的焊縫識別方法，該方案焊縫識別方法包括：S0，初始化探傷和軌面監控綜合系統；S1，采用雙軌式鋼軌超聲波探傷儀采集鋼軌內部傷損數據；S2，將鋼軌內部傷損數據的超聲模擬信號轉化為數字信號，通過以太網通訊送入PC端；S3，與步驟S1同步進行，采用相機采集鋼軌表面圖像數據；S4，將采集的鋼軌表面圖像數據合成鋼軌表面圖像；S5，對合成的鋼軌表面圖像進行識別，判斷該圖像是否存在焊縫；S6，調用鋼軌表面圖像數據采集時的編碼值，換算成里程信息；S7，探傷B顯滾屏區完成探傷數據顯示及焊縫自動打標。該方案雖然能夠自動識別軌面圖像，在探傷B顯界面自動識別打標，但是對焊縫的識別效果不好，不夠精確，且焊縫識別效率不高。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于深度學習的無縫鋼軌焊縫缺陷識別裝置及方法。

本發明的目的是通過以下技術方案來實現的：

基于深度學習的無縫鋼軌焊縫缺陷識別方法，包括以下步驟：

S1，圖像數據采集，利用圖像采集單元實時無間隔采集無縫鋼軌軌腰部位的樣本圖像并發送至中心計算機；

S2，圖像識別計算，中心計算機篩選樣本圖像中含有無縫鋼軌焊縫的圖片，并對篩選出的圖片進行焊縫區域標注；

S3，數據訓練，利用初始化后的深度學習網絡對標注后的圖片進行目標識別訓練，獲得模型文件，并利用模型文件對標注后的樣本圖像進行多層遞歸網絡訓練，輸出最后的無縫鋼軌焊縫缺陷識別結果。

具體的，步驟S2中具體包括以下子步驟：

S201，中心計算機對接收到的大量樣本圖像進行圖片篩選，從樣本圖像中抽取含有無縫鋼軌焊縫的圖片作為正負樣本圖片；

S202，利用標注軟件對含有無縫鋼軌焊縫的圖片進行焊縫區域識別和標注，將標注后的樣本圖片作為樣本訓練集。

具體的，所述步驟S3具體包括以下子步驟：

S301，對yolov3算法進行改進，并根據改進后的yolov3算法構建多級級聯特征圖網絡Lyolo，并初始化多級級聯特征圖網絡；

S302，將樣本訓練集導入多級級聯特征圖網絡中進行多級上采樣級聯后，將多尺度輸出結果整合形成目標識別模型文件，即多級級聯的特征金字塔；

S303，將實時采集的圖像數據導入目標識別模型文件進行多層遞歸網絡訓練，并實時輸出圖像數據中的焊縫識別結果。