[發明專利]一種基于AEHAL特征的軌道扣件狀態檢測方法在審
| 申請號： | 202110777965.1 | 申請日： | 2021-07-09 |
| 公開（公告）號： | CN113505695A | 公開（公告）日： | 2021-10-15 |
| 發明（設計）人： | 呂照民;陳興杰;邱一晉 | 申請（專利權）人： | 上海工程技術大學;上海工業控制安全創新科技有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 上海科盛知識產權代理有限公司 31225 | 代理人： | 葉敏華 |
| 地址： | 201620 *** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 aehal 特征 軌道 扣件 狀態 檢測 方法 | ||
1.一種基于AEHAL特征的軌道扣件狀態檢測方法，其特征在于，包括以下步驟：
S1、獲取軌道扣件圖像的訓練數據集，所述訓練數據集包括多個對應于正常扣件圖像的正樣本以及多個對應于異常扣件圖像的負樣本；
S2、對訓練數據集中的正樣本和負樣本進行圖像預處理；
S3、基于圖像預處理后的正樣本，通過提取HOG特征，并結合AE訓練，得到降維編碼器；
S4、基于圖像預處理后的正樣本和負樣本，通過提取HOG特征和LBP特征，結合降維編碼器以及串行融合方法，得到與正負樣本相對應的AEHAL特征；
S5、基于與正負樣本相對應的AEHAL特征，通過SVM訓練，得到扣件狀態分類器；
S6、獲取待檢測的軌道扣件圖像，并對待檢測的軌道扣件圖像依次進行圖像預處理、提取HOG特征和LBP特征，之后利用降維編碼器對HOG特征進行降維處理，再將LBP特征與降維后的HOG特征串行融合得到對應于待檢測軌道扣件圖像的AEHAL特征；
S7、將待檢測軌道扣件圖像的AEHAL特征輸入扣件狀態分類器，輸出得到對應的扣件狀態檢測結果。
2.根據權利要求1所述的一種基于AEHAL特征的軌道扣件狀態檢測方法，其特征在于，所述圖像預處理具體包括灰度化處理、圖像增強處理以及去除圖像噪聲處理。
3.根據權利要求1所述的一種基于AEHAL特征的軌道扣件狀態檢測方法，其特征在于，所述步驟S3具體包括以下步驟：
S31、從圖像預處理后的正樣本中提取HOG特征；
S32、對步驟S31提取得到的HOG特征進行平均HOG特征計算，得到平均HOG特征；
S33、將平均HOG特征輸入AE中進行訓練，得到用于對HOG特征降維的編碼器，即降維編碼器。
4.根據權利要求1～3任一所述的一種基于AEHAL特征的軌道扣件狀態檢測方法，其特征在于，所述提取HOG特征具體使用的參數為：
bin＝9
cell＝(8×8)
block＝(2×2)
提取的HOG特征維數為(1×8100)維。
5.根據權利要求3所述的一種基于AEHAL特征的軌道扣件狀態檢測方法，其特征在于，所述平均HOG特征的計算公式為：
其中，為平均HOG特征，Vi為第i張正樣本扣件圖像對應的HOG特征，n為正樣本扣件圖像的數量。
6.根據權利要求1所述的一種基于AEHAL特征的軌道扣件狀態檢測方法，其特征在于，所述AE具體使用一層神經網絡進行降維的編碼和解碼訓練。
7.根據權利要求1所述的一種基于AEHAL特征的軌道扣件狀態檢測方法，其特征在于，所述降維編碼器的降維處理公式具體為：
H256＝H8100·w+b
其中，H256為降維后256維的HOG特征，H8100為原始的8100維HOG特征，w為編碼權值矩陣，w為(8100×256)維，b為編碼偏置矩陣，b為(1×256)維。
8.根據權利要求1所述的一種基于AEHAL特征的軌道扣件狀態檢測方法，其特征在于，所述提取LBP特征具體是提取中心像素點周圍(3×3)領域范圍內的局部紋理特征。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海工程技術大學;上海工業控制安全創新科技有限公司，未經上海工程技術大學;上海工業控制安全創新科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110777965.1/1.html，轉載請聲明來源鉆瓜專利網。
