[发明专利]无监督式的铁路道床异物检测、样本构造方法及装置

权利要求书

1.一种无监督式的铁路道床异物检测方法，其特征在于，包括：

获取待检测轨道图像；

对所述待检测轨道图像执行图像提取的步骤：从待检测轨道图像中提取第一区域图像；从待检测轨道图像中提取与所述第一区域图像对称的多个第二区域图像；

对第一区域图像执行异物检测的步骤：将所述第一区域图像和多个第二区域图像输入预先训练生成的铁路道床异物深度学习检测模型中，得到多个第二区域图像与第一区域图像的多个相似性结果；根据多个相似性结果，得到第一区域图像的异物检测结果；

改变区域图像提取的位置，重复执行图像提取的步骤和异物检测的步骤，直到得到待检测轨道图像对应所有区域图像的异物检测结果；

其中，所述铁路道床异物深度学习检测模型根据按照如下铁路道床异物检测样本构造方法生成的样本预先训练生成：从轨道图像中提取目标区域图像生成目标样本；根据轨道的固定几何分布结构，选取与所述目标区域图像对称的区域图像生成正样本；在轨道图像中随机提取区域图像生成负样本；所述负样本为与目标样本特征差异大于预设值的样本；所述目标样本、正样本和负样本为用于预先训练所述铁路道床异物深度学习检测模型的样本。

2.如权利要求1所述的无监督式的铁路道床异物检测方法，其特征在于，根据轨道的固定几何分布结构，选取与所述目标区域图像对称的区域图像生成正样本，包括：根据轨道的固定几何分布结构，选取与所述目标区域图像对称的区域图像生成多个正样本；

在轨道图像中随机提取区域图像生成负样本，包括：在轨道图像中随机提取区域图像生成多个负样本；

所述无监督式的铁路道床异物检测方法还包括：

对于第一预设数量的第一目标样本，从第一目标样本对应的多个正样本中选取与目标样本特征差异最小的样本作为正样本，从第一目标样本对应的多个负样本中选取与目标样本特征差异最大的样本作为负样本；

对于第二预设数量的第二目标样本，从第二目标样本对应的多个正样本中选取与目标样本特征差异最大的样本作为正样本，从第二目标样本对应的多个负样本中选取与目标样本特征差异最小的样本作为负样本；

所述第一预设数量大于所述第二预设数量。

3.如权利要求1所述的无监督式的铁路道床异物检测方法，其特征在于，在轨道图像中随机提取区域图像生成负样本，包括：

对轨道图像进行目标区域图像和对称的区域图像去除处理操作；

在去除处理操作后的轨道图像中随机提取区域图像生成负样本。

4.如权利要求1所述的无监督式的铁路道床异物检测方法，其特征在于，还包括按照如下方法预先训练生成所述铁路道床异物深度学习检测模型：

获取所述目标样本、正样本和负样本；

根据所述目标样本、正样本和负样本，分别生成目标样本特征向量、正样本特征向量和负样本特征向量；

将目标样本特征向量、正样本特征向量和负样本特征向量输入triplet loss优化网络，训练得到所述铁路道床异物深度学习检测模型。

5.如权利要求1所述的无监督式的铁路道床异物检测方法，其特征在于，将所述第一区域图像和多个第二区域图像输入预先训练生成的铁路道床异物深度学习检测模型中，得到多个第二区域图像与第一区域图像的多个相似性结果，包括：

将所述第一区域图像和多个第二区域图像输入预先训练生成的基于siamese的铁路道床异物深度学习检测模型中，得到多个第二区域图像与第一区域图像的多个相似性结果。

6.一种无监督式的铁路道床异物检测样本构造方法，其特征在于，包括：

从轨道图像中提取目标区域图像生成目标样本；

根据轨道的固定几何分布结构，选取与所述目标区域图像对称的区域图像生成正样本；

在轨道图像中随机提取区域图像生成负样本；所述负样本为与目标样本特征差异大于预设值的样本；

其中，所述目标样本、正样本和负样本为用于预先训练所述铁路道床异物深度学习检测模型的样本。