[发明专利]一种铁轨扣件病害检测方法及系统

权利要求书

1.一种铁轨扣件病害检测方法，其特征在于，包括：

采集待检测的铁轨扣件图像；

将所述待检测的铁轨扣件图像输入训练后的卷积神经网络中，输出得到所述卷积神经网络的原始输出结果；

基于预设的决策判别条件，对所述原始输出结果进行检测判别，确定存在病害的目标铁轨扣件图像。

2.根据权利要求1所述的方法，其特征在于，在所述将所述铁轨扣件图像输入训练后的卷积神经网络中之前，所述方法还包括：

将标注好的历史铁轨扣件图像作为训练样本集对所述卷积神经网络进行训练。

3.根据权利要求2所述的方法，其特征在于，所述将标注好的历史铁轨扣件图像作为训练样本集对所述卷积神经网络进行训练，包括：

对所述训练样本集进行尺度变换和数据增强，得到与所述卷积神经网络输入格式相匹配的第一数据集；

基于所述第一数据集，对所述卷积神经网络进行迭代训练，得到训练后的模型参数。

4.根据权利要求3所述的方法，其特征在于，所述对所述训练样本集进行尺度变换和数据增强，得到与所述卷积神经网络输入格式相匹配的第一数据集，包括：

将所述训练样本集转换为lmdb格式数据；

对所述lmdb格式数据进行光度变换和几何变换，得到与所述卷积神经网络输入格式相匹配的第一数据集。

5.根据权利要求3所述的方法，其特征在于，所述基于所述第一数据集，对所述卷积神经网络进行迭代训练，得到训练后的模型参数，包括：

在所述卷积神经网络的输出上连接一个额外网络，以构成训练模型；

将所述第一数据集输入所述训练模型中，得到多个预测结果；

基于非极大抑制法，从所述多个预测结果中选取最优结果。

6.根据权利要求5所述的方法，其特征在于，所述对所述卷积神经网络进行迭代训练，还包括：

基于预定义的损失函数，度量预测结果和真实结果之间的差异。

7.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取历史铁轨扣件图像；

在所述历史铁轨扣件图像中建立坐标系并标注出扣件的坐标位置和病害类别，得到标注好的历史铁轨扣件图像。

8.一种铁轨扣件病害检测系统，其特征在于，包括：

采集模块，用于采集待检测的铁轨扣件图像；

神经网络输出模块，用于将所述待检测的铁轨扣件图像输入训练后的卷积神经网络中，输出得到所述卷积神经网络的原始输出结果；

决策判别模块，用于基于预设的决策判别条件，对所述原始输出结果进行检测判别，确定存在病害的目标铁轨扣件图像。

9.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一项所述的方法。