申请/专利权人:中国国家铁路集团有限公司;中国铁道科学研究院集团有限公司;中国铁道科学研究院集团有限公司基础设施检测研究所;北京铁科英迈技术有限公司
申请日:2020-09-30
公开(公告)日:2023-01-24
公开(公告)号:CN112330591B
主分类号:G06T7/00
分类号:G06T7/00;G06T7/11;G06T7/90;G06N3/04;G06V10/764;G06V10/774;G06V10/80;G06V10/82;B61K9/08
优先权:
专利状态码:有效-授权
法律状态:2023.01.24#授权;2021.02.26#实质审查的生效;2021.02.05#公开
摘要:本发明提供了一种少样本学习的钢轨表面缺陷检测方法及装置,该方法包括:对少量已标注的钢轨表面缺陷图像进行数量扩展,构建钢轨表面缺陷数据集;构建多层级特征融合的钢轨表面缺陷检测网络模型,多层级特征融合的钢轨表面缺陷检测网络模型的多任务损失函数包括目标定位边界框损失函数和多类别分类损失函数,目标定位边界框损失函数用于训练模型定位缺陷区域,多类别分类损失函数用于训练模型识别缺陷类别;根据钢轨表面缺陷数据集训练模型;在采集到多张钢轨图像后,获得拼接后的钢轨图像并输入至多层级特征融合的钢轨表面缺陷检测网络模型中,输出钢轨表面缺陷检测结果。本发明可以在少量已标注的样本下训练钢轨表面缺陷检测网络模型,效果好。
主权项:1.一种少样本学习的钢轨表面缺陷检测方法,其特征在于,包括:获得少量已标注的钢轨表面缺陷图像;对少量已标注的钢轨表面缺陷图像进行数量扩展,构建钢轨表面缺陷数据集;构建多层级特征融合的钢轨表面缺陷检测网络模型,所述多层级特征融合的钢轨表面缺陷检测网络模型的多任务损失函数包括目标定位边界框损失函数和多类别分类损失函数,其中,目标定位边界框损失函数用于训练多层级特征融合的钢轨表面缺陷检测网络模型定位缺陷区域,多类别分类损失函数用于训练多层级特征融合的钢轨表面缺陷检测网络模型识别缺陷类别;根据钢轨表面缺陷数据集训练多层级特征融合的钢轨表面缺陷检测网络模型;在采集到多张钢轨图像后,将多张钢轨图像拼接,获得拼接后的钢轨图像并输入至多层级特征融合的钢轨表面缺陷检测网络模型中,输出钢轨表面缺陷检测结果,所述钢轨表面缺陷检测结果包括缺陷区域和缺陷类别。
全文数据:
权利要求:
百度查询: 中国国家铁路集团有限公司;中国铁道科学研究院集团有限公司;中国铁道科学研究院集团有限公司基础设施检测研究所;北京铁科英迈技术有限公司 少样本学习的钢轨表面缺陷检测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。