[發(fā)明專利]基于無人機作業(yè)的鐵路橋梁鋼結構缺陷檢測方法及系統(tǒng)在審
| 申請?zhí)枺?/td> | 202111540584.8 | 申請日: | 2021-12-16 |
| 公開(公告)號: | CN114266299A | 公開(公告)日: | 2022-04-01 |
| 發(fā)明(設計)人: | 楊懷志;秦勇;牟宗涵;王志鵬;謝征宇;朱星盛;崔京;陳平 | 申請(專利權)人: | 京滬高速鐵路股份有限公司;北京交通大學 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06V10/774;G06N3/04;G06T5/00;G06T7/00;G06V20/10 |
| 代理公司: | 北京德崇智捷知識產(chǎn)權代理有限公司 11467 | 代理人: | 黃雪 |
| 地址: | 100044 北京市海淀*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 無人機 作業(yè) 鐵路 橋梁 鋼結構 缺陷 檢測 方法 系統(tǒng) | ||
本申請?zhí)峁┮环N基于無人機作業(yè)的鐵路橋梁鋼結構缺陷檢測方法及系統(tǒng)。本申請利用無人機搭載變焦相機,在距離鐵路橋梁50?70m的空中以2m/s的速度巡航飛行,以2s的拍攝周期獲取橋梁鋼結構圖像。然后通過對圖像的預處理擴充數(shù)據(jù)集,基于YOLOv5算法,通過加入Ghost Bottleneck模塊改進YOLOv5模型,以在保證最終檢測精度不變的條件下,進一步大幅減少訓練產(chǎn)生的參數(shù),降低內存占有率。本申請能夠充分利用圖像層級信息,降低模型訓練設備要求,實現(xiàn)對目標的檢測,保證橋梁鋼結構缺陷的檢測效果。
技術領域
本申請涉及鐵路橋梁鋼結構檢測技術,具體而言涉及一種基于無人機作業(yè)的鐵路橋梁鋼結構缺陷檢測方法及系統(tǒng)。
背景技術
鐵路橋梁中的鋼結構以及螺栓由于長期的風雨侵蝕,因此常常會有銹蝕、缺失的情況發(fā)生。鋼結構以及螺栓連接結構的缺失或者失效會對橋梁的穩(wěn)定性造成重大影響,且螺栓的銹蝕會導致相關設備拆卸困難,對后期的安全管理造成極為巨大的負面影響。
我國鐵路橋梁螺栓檢測目前主要依賴于人工進行檢。人工方式檢測效率低、危險性大、視覺盲區(qū)多。尤其對于橋梁表面外側的螺栓以及鋼結構,人工無法近距離檢測,因此常出現(xiàn)漏檢的情況。
隨著相關軟硬件技術的發(fā)展,人工智能以深度學習的名字再次出現(xiàn),受到廣泛研究和應用,并多次出現(xiàn)在國務院發(fā)布的相關報告和規(guī)劃當中。目前逐漸有機構采用無人機對橋梁檢測過程中人工不易檢測到的位置進行拍照,再利用YOLOv5算法學習圖片中存在的缺陷數(shù)據(jù),進而對橋梁螺栓以及鋼結構的銹蝕情況進行技術巡檢。此方式能夠大大縮減人工巡檢時的視覺盲區(qū),為鐵路運行提供更好的安全保障。
當前國內外針對工程對象的目標檢測算法主要通過劃定目標區(qū)域、提取目標特征和對目標進行分類三個步驟進行。但由于傳統(tǒng)學習算法實現(xiàn)過程中,不具有普適性,需要人工構建模型、選擇特征,工作量巨大,且訓練過程中難跳出局部極小值、學習速度慢,loss函數(shù)易出現(xiàn)振蕩、收斂慢等現(xiàn)象,因此,其在復雜環(huán)境下的檢測識別困難,工程應用時存在一定的局限性。
發(fā)明內容
本申請針對現(xiàn)有技術的不足,提供一種基于無人機作業(yè)的鐵路橋梁鋼結構缺陷檢測方法及系統(tǒng),本申請利用改進的YOLOv5算法檢測橋梁鋼結構表面缺陷,能夠充分利用圖像層級信息,減少內存占有量,降低模型訓練設備要求,實現(xiàn)對目標的檢測,保證橋梁鋼結構缺陷的檢測效果。本申請具體采用如下技術方案。
首先,為實現(xiàn)上述目的,提出一種基于無人機作業(yè)的鐵路橋梁鋼結構缺陷檢測方法,其步驟包括:第一步,通過搭載于無人機上的變焦相機,在距離橋梁預設距離范圍的空中拍攝鐵路橋梁鋼結構,獲得若干橋梁鋼結構圖像;第二步,對第一步所拍攝的干橋梁鋼結構圖像進行預處理,擴充數(shù)據(jù)集,并將擴充后數(shù)據(jù)集中的圖像按照預設比例劃分為訓練集和測試集,利用標注工具對其中訓練集中的缺陷目標進行標注;第三步,將訓練集中圖像調整至統(tǒng)一尺寸,將YOLOv5模型backbone中所采用的Bottleneck結構更改為GhostBottleneck結構,在YOLOv5模型最后Prediction部分使用GIoU Loss作為bounding box的損失,構建改進YOLOv5模型,然后將訓練數(shù)據(jù)集輸入到構建所獲得的改進YOLOv5模型中進行訓練,比對模型輸出與標注信息,調整模型參數(shù),直至訓練所獲得的改進YOLOv5模型輸出與標注信息相一致的檢測結果;第四步,將測試集輸入到訓練所確定的改進YOLOv5模型中,對鐵路橋梁鋼結構缺陷目標進行檢測,標記并輸出檢測結果。
可選的,如上任一所述的基于無人機作業(yè)的鐵路橋梁鋼結構缺陷檢測方法,其中,所述預處理步驟包括對第一步所拍攝的干橋梁鋼結構圖像進行以下任一處理步驟或先后進行以下若干處理步驟:對圖像進行旋轉處理,鏡像處理,調整圖像對比度,調整圖像亮度,調整圖像增加噪聲。
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京滬高速鐵路股份有限公司;北京交通大學,未經(jīng)京滬高速鐵路股份有限公司;北京交通大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111540584.8/2.html,轉載請聲明來源鉆瓜專利網(wǎng)。





