申请/专利权人：西南交通大学

申请日：2022-06-23

公开（公告）日：2024-04-09

公开（公告）号：CN115239632B

主分类号：G06T7/00

分类号：G06T7/00;G06T5/20;G06T5/40;G06V10/34;G06V10/36;G06V10/44;G06V10/764;G06V10/80;G01N21/88;G01N29/06;G01N29/44;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.11.11#实质审查的生效;2022.10.25#公开

摘要：本发明涉及钢轨图像智能检测算法领域，具体为一种融合巡检图像和超声波图像的钢轨表面伤损检测方法，其包括以下步骤：S1、查找相同里程位置处的钢轨巡检图像和超声波B显图像，按里程号对应命名并保存为jpg格式图片；S2、构建钢轨巡检图像数据集；S3、滤除超声波B显图像中的杂波；S4、构建钢轨表面分割算法提取钢轨表面图像；S5、搭建CUFuse模型；S6、将钢轨巡检图像数据集按8：2划分训练集和测试集，将训练集中的数据输入到CUFuse模型中进行训练；S7、使用测试集对CUFuse模型进行测试；S8、将训练完成的CUFuse模型封装作为插件安装到RUD‑15型双轨式钢轨超声波探伤仪中。本发明通过构建一个相机和超声数据融合模型，从而提高轨道表面缺陷的检测精度和检测效率。

主权项：1.一种融合巡检图像和超声波图像的钢轨表面伤损检测方法，其特征在于，包括以下步骤：S1、在双轨式探伤小车回放软件中查找相同里程位置处的钢轨巡检图像和超声波B显图像，按里程号对应命名并保存为jpg格式图片；S2、人工对具有相同位置戳的钢轨巡检图像和超声波B显图像进行分类，类别主要包括轻微、中等、严重三类钢轨表面伤损状态和正常、接头两类正常钢轨表面状态，将不同类别的钢轨巡检图像和超声波B显图像保存在不同文件夹，并生成一个CSV文件存储钢轨巡检图像和超声波B显图像对应的里程编号、类别标签以及存储位置信息，最终构建钢轨巡检图像数据集；S3、使用“8邻域降噪算法”滤除超声波B显图像中的杂波；S4、对钢轨巡检图像进行预处理并构建钢轨表面分割算法提取钢轨表面图像；S5、搭建多源数据融合与深度学习的钢轨表面伤损检测模型，简称CUFuse模型，CUFuse模型由多源数据特征提取网络与多尺度特征融合网络组成；多源数据特征提取网络是CUFuse的第一部分，该网络使用两个BoTNet50网络作为特征提取网络，分别提取基于相机的图像和超声B扫描图像的特征，并在从低级到高级的五个阶段输出这两个模型的特征向量；多尺度特征融合网络是CUFuse的第二部分，首先设计一个具有特征融合、特征提取、特征重标定和特征上采样功能的特征融合模块，该模块由特征拼接层、2D卷积层、批量归一化层、Relu激活层、SE模块以及特征2倍上采样层组成，使用5个特征融合模块，分别融合特征提取网络中两个BoTNet50网络输出的5级特征信息，最后形成一个多尺度的特征融合网络；S6、将S2中构建的数据集按8：2划分训练集和测试集，将训练集中的数据输入到CUFuse模型中进行训练，在训练过程中采用SGD优化器，将学习速率设置为0.0001，权重衰减为1×10-6，动量为0.9，训练轮数epoch数设置为100，学习率每十个epoch衰减十倍，并在损失值不再下降十个epoch后停止训练，训练结束后保存训练模型与权重文件；S7、使用测试集对CUFuse模型进行测试，输出检测类别判别结果，并对测试效果进行评估；S8、将训练完成的CUFuse模型封装作为插件安装到RUD-15型双轨式钢轨超声波探伤仪中进行日常的钢轨探伤作业中的钢轨表面伤损智能识别任务。

全文数据：

权利要求：

百度查询： 西南交通大学 一种融合巡检图像和超声波图像的钢轨表面伤损检测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD