[发明专利]一种基于YOLO的隧道内铁轨缺陷检测方法

权利要求书

1.一种基于YOLO的隧道内铁轨表面缺陷检测方法，包括如下步骤：

1)具有图像采集、自主定位功能的无人机从以隧道入口为初始点，隧道出口为结束点；进入隧道内对铁轨进行巡检；

2)采集铁轨表面实时图像信息，实时检测铁轨表面缺陷，若检测到表面缺陷，则进入步骤3)；否则重复步骤2)，直至到达结束位置；

3)存储当前图片，标记图中缺陷位置，同时记录缺陷类型及当前无人机位置信息。

2.根据权利要求书1所述的基于YOLO的隧道内铁轨表面缺陷检测方法，其特征在于，步骤1)中所述无人机使用激光雷达配合SLAM算法构建隧道巡检地图，并在巡检工作中进行实时定位。

3.根据权利要求书1所述的基于YOLO的隧道内铁轨表面缺陷检测方法，其特征在于，在无人机机体下方搭载可控阵列光源，针对隧道内光照不足的情况进行补光，光源光照强度L调节公式为：

L＝L₀+u

其中：其中光源光照强度控制如下：

自然光条件下，无人机拍摄铁轨表面的初始灰度均值隧道环境内采集图像的灰度均值h，L₀为初始光照强度，设置为100Lux，u∈[-10,10]，K_p和K_d分别为比例系数和微分系数。

4.根据权利要求书1所述的基于YOLO的隧道内铁轨表面缺陷检测方法，其特征在于，无人机未检测到缺陷时速度v为：

其中：v₀为初始速度，K_v为调节系数，其取值范围为[0,0.5]；为算法理想情况下运行时的平均检测帧率，f_q为巡检过程中的实时检测帧率。

5.根据权利要求书1所述的基于YOLO的隧道内铁轨表面缺陷检测方法，其特征在于步骤2)中，对于采集的缺陷图像的检测步骤如下：

A1、采集图像预处理：采集铁轨表面的缺陷图像，对当前视频帧图像进行预处理，所述预处理包括铁轨定位、图像增强和图像去噪，保护目标信息并消除非铁轨区域和噪声的干扰，增强图像对比度；

A2、图像特征提取：将预处理后的缺陷图像作为输入图像，在网络中进行特征提取，得到三种尺度的特征图，并通过上采样得到张量值；

A3、目标边界框的预测：通过转换获取图像中的标签数据，包括中心坐标值b_x，b_y，宽高值b_w，b_h和类别，进行目标边界框的预测；

A4、损失回归：损失函数的计算，损失函数主要包括三个部分：目标定位偏移量损失，目标置信度损失和目标分类损失。

6.根据权利要求书5所述的基于YOLO的隧道内铁轨表面缺陷检测方法，其特征在于步骤A1中图像预处理中：铁轨定位采用OTSU算法进行图像分割，得到完整铁轨表面区域图像；图像增强采用局部对比度法实现图像对比度增强；图像去噪采用多级中值滤波去噪，抑制噪声的同时保护铁轨上细小结构。

7.根据权利要求书6所述的基于YOLO的隧道内铁轨表面缺陷检测方法，其特征在于图像增强中的图像对比度D(x,y)计算公式如下：

h(x,y)是图像中像素点(x,y)的灰度值，h_B为像素点(x,y)邻域B中灰度均值，其中区域B定义为以像素点(x,y)为中心的1×150的线型区域。

8.根据权利要求书5所述的基于YOLO的隧道内铁轨表面缺陷检测方法，其特征在于步骤A2中得到的三种特征图尺度分别为13*13、26*26和52*52，三种尺度的特征图结合成为最终输出，并得到三个张量值，分别为(S,3,13/26/52,13/26/52,3*(W+C+L))，其中，S表示特征图网格尺寸，W表示预测得到的预测结果的中心坐标值和宽高值，C表示预测框的置信度，L表示在该特征点上预测类别的概率。