[發明專利]基于深度學習的多源數據融合的軌道狀態檢測方法及裝置

在審

• 申請號: 202110967585.4
• 申請日: 2021-08-23
• 公開（公告）號: CN113705412A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 夏承亮;顧子晨;宋浩然;程雨;杜馨瑜;牛留斌;李海浪;王發燈;王勝春;王昊;李唯一;王寧
• 申請（專利權）人: 中國鐵道科學研究院集團有限公司;中國鐵道科學研究院集團有限公司基礎設施檢測研究所;北京鐵科英邁技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;B61L23/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 沈珍珠;郝博

1.一種基于深度學習的多源數據融合的軌道狀態檢測方法，其特征在于，包括：

獲取目標軌道線路的數據集信息；所述數據集信息包括所述目標軌道線路的多種類型狀態檢測參考數據以及所述多種類型狀態檢測參考數據對應的軌道線路狀態數據；

利用特征提取模型對所述數據集信息進行特征提取，得到特征信息；

根據所述特征信息和機器分類器計算軌道狀態參數，并根據所述軌道狀態參數確定軌道狀態檢測模型；

利用所述數據集信息訓練所述軌道狀態檢測模型；

根據訓練完成后的軌道狀態檢測模型生成軌道狀態檢測結果。

2.根據權利要求1所述的方法，其特征在于，獲取目標軌道線路的數據集信息，包括：

隨機獲取目標軌道線路的圖像信息狀態檢測參考數據、噪聲值狀態檢測參考數據和加速度值狀態檢測參考數據；

根據所述圖像信息狀態檢測參考數據、噪聲值狀態檢測參考數據和加速度值狀態檢測參考數據，確定軌道線路狀態數據。

3.根據權利要求2所述的方法，其特征在于，利用特征提取模型對所述數據集信息進行特征提取，包括：

利用第一特征提取模型對所述圖像信息狀態檢測參考數據進行特征提取，得到鋼軌表面圖像特征信息；

利用第二特征提取模型對所述噪聲值狀態檢測參考數據進行特征提取，得到噪聲特征信息；

利用第三特征提取模型對所述加速度值狀態檢測參考數據進行特征提取，得到加速度特征信息。

4.根據權利要求1所述的方法，其特征在于，利用所述數據集信息訓練所述軌道狀態檢測模型，包括：

利用所述數據集信息對所述軌道狀態檢測模型進行訓練，得到待檢驗軌道狀態檢測模型；

利用驗證數據檢驗所述待檢驗軌道狀態檢測模型，根據驗證結果確定訓練完成后的軌道狀態檢測模型。

5.一種基于深度學習的多源數據融合的軌道狀態檢測裝置，其特征在于，包括：

獲取模塊，用于獲取目標軌道線路的數據集信息；所述數據集信息包括所述目標軌道線路的多種類型狀態檢測參考數據以及所述多種類型狀態檢測參考數據對應的軌道線路狀態數據；

特征模塊，用于利用特征提取模型對所述數據集信息進行特征提取，得到特征信息；

參數模塊，用于根據所述特征信息和機器分類器計算軌道狀態參數，并根據所述軌道狀態參數確定軌道狀態檢測模型；

訓練模塊，用于利用所述數據集信息訓練所述軌道狀態檢測模型；

預測模塊，用于根據訓練完成后的軌道狀態檢測模型生成軌道狀態檢測結果。

6.根據權利要求5所述的裝置，其特征在于，所述獲取模塊，具體用于：

隨機獲取目標軌道線路的圖像信息狀態檢測參考數據、噪聲值狀態檢測參考數據和加速度值狀態檢測參考數據；

根據所述圖像信息狀態檢測參考數據、噪聲值狀態檢測參考數據和加速度值狀態檢測參考數據，確定軌道線路狀態數據。

7.根據權利要求6所述的裝置，其特征在于，所述特征模塊，包括：

第一提取單元，用于利用第一特征提取模型對所述圖像信息狀態檢測參考數據進行特征提取，得到鋼軌表面圖像特征信息；

第二提取單元，用于利用第二特征提取模型對所述噪聲值狀態檢測參考數據進行特征提取，得到噪聲特征信息；

第三提取單元，用于利用第三特征提取模型對所述加速度值狀態檢測參考數據進行特征提取，得到加速度特征信息。

8.根據權利要求5所述的裝置，其特征在于，所述訓練模塊，具體用于：

利用所述數據集信息對所述軌道狀態檢測模型進行訓練，得到待檢驗軌道狀態檢測模型；

利用驗證數據檢驗所述待檢驗軌道狀態檢測模型，根據驗證結果確定訓練完成后的軌道狀態檢測模型。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至4任一所述基于深度學習的多源數據融合的軌道狀態檢測方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有執行權利要求1至4任一所述基于深度學習的多源數據融合的軌道狀態檢測方法的計算機程序。