[发明专利]一种基于U-Net的高速铁路钢轨损伤检测方法

说明书

本发明公开了一种基于U‑Net的高速铁路钢轨损伤检测方法，包括如下步骤：搭建高速铁路钢轨损伤检测现实场景，获取钢轨损伤的检测图像；在采集的每个原始图像中标记钢轨损伤区域并将注释保存；通过平移、旋转和缩放的数据增强操作来扩充训练样本；设置钢轨损伤检测网络模型的参数，输入图像及其对应的分割图，通过深度学习算法平台实现检测网络的训练，并根据训练网络的评价指标来修改检测网络模型参数，直至得到评价指标；依据U‑Net网络计算出的分割图在原始输入图像上用矩形框进行标记，如果所采集的图像包含缺陷，则在计算机中提示相关处理结果，并将含缺陷工件标识入库。本发明能够适用于不同条件下的钢轨损伤裂纹检测，泛化性较强和准确率较高。

技术领域

本发明涉及视觉检测技术领域，具体涉及一种基于U-Net的高速铁路钢轨损伤检测方法。

背景技术

铁路行业的发展在我国交通运输系统中发挥着重要的作用，钢轨作为铁路轨道设备的重要组成部分，在整个交通运输安全体系中处于战略地位。近年来，高速铁路的发展进入蓬勃时期，铁路的运输量大大增加，这对高速列车的安全行驶提出了更高的要求。同时，对铁路损伤的管理工作也会更加严格和紧迫。而高速铁路轨道表面缺陷是最常见和最重要的失效形式之一，涉及轨道表面缺陷，由于高应力而引起的滚动接触疲劳，轨道头剥落和轨道波纹，在高速列车运行时它们是潜在的严重风险。

现有技术的高速铁路钢轨损伤检测主要由专业的人类观察员和传统的机器视觉方法完成，这两种方法都存在很多不足。其中，人工检测方法不仅造成严重的人力资源浪费，而且检测精度不高、耗时；而传统的机器视觉方法需要小波变换、阈值分割、特征提取等图像处理操作，这种方法耗时且具有单一性，无法适应不同的产品。

发明内容

有鉴于此，为了解决现有技术中的上述问题，本发明提出一种基于U-Net的高速铁路钢轨损伤检测方法，其只需使用适当数量的训练图像，就可以快速适应高速铁路钢轨新类型的产品和表面缺陷，对于提升高速铁路钢轨损伤检测的准确率和效率有重要作用。

本发明通过以下技术手段解决上述问题：

一种基于U-Net的高速铁路钢轨损伤检测方法，包括如下步骤：

图像采集：搭建高速铁路钢轨损伤检测现实场景，通过深度相机获取钢轨损伤的检测图像；

图像注释：使用图像注释工具，在采集的每个原始图像中标记钢轨损伤区域并将注释保存；

图像预处理：将每个原始图像和对应的标签均变成相同像素分辨率的图片，并通过翻转、颜色抖动和高斯模糊的数据增强操作来扩充训练样本以提高网络的泛化能力，并按比例将数据集随机分成训练集、验证集和测试集；

模型训练：设置钢轨损伤检测网络模型的参数，输入图像及其对应的分割图，通过深度学习算法平台实现检测网络的训练，并根据训练网络的评价指标来修改检测网络模型参数，直至得到评价指标；

利用模型进行裂纹检测：依据U-Net网络计算出的分割图在原始输入图像上用矩形框进行标记，如果所采集的图像包含缺陷，则在计算机中提示相关处理结果，并将含缺陷工件标识入库，如果没有缺陷则丢弃图像继续运行。

进一步地，高速铁路钢轨损伤检测现实场景包括：

相机，用于连续采集图像，并将图像送至计算机中；

光源，用于使图像中的目标信息与背景信息得到最佳分离，大大降低图像处理的算法难度，同时提高检测系统的精度和可靠性；

计算机，用于分析图像特征，完成钢轨损伤检测模型的训练，实时检测出图像中是否包含缺陷，如果没有缺陷则丢弃图像并继续运行，如果所采集的图像包含缺陷，则报警装置对有缺陷的图像进行报警；

报警装置，用于对有缺陷的图像进行报警，最终完成钢轨损伤检测。

进一步地，图像预处理操作包括：