[发明专利]一种铁路工机具的检测方法、系统、装置和存储介质

权利要求书

1.一种铁路工机具的检测方法，其特征在于，包括以下步骤：

步骤1：获取多个工机具图像，根据所有工机具图像制作数据集；

步骤2：构建深度卷积神经网络，利用所述数据集和所述深度卷积神经网络构建反射图像提取网络，根据所述深度卷积神经网络和所述反射图像提取网络得到特征检测网络，根据所述深度卷积神经网络、所述反射图像提取网络和所述特征检测网络得到初始检测网络模型；

步骤3：利用所述数据集对所述初始检测网络模型进行训练，得到目标检测网络模型；

步骤4：根据所述目标检测网络模型对待检测工机具图像进行检测，得到检测结果。

2.根据权利要求1所述的铁路工机具的检测方法，其特征在于，在所述步骤1中，根据所有工机具图像制作所述数据集的具体步骤包括：

步骤11：采用像素颜色变换方法，分别对每个工机具图像进行初次变换，得到每个工机具图像一一对应的第一变换图像；

步骤12：采用空间几何变换方法，分别对每个第一变换图像进行再次变换，得到每个第一变换图像一一对应的第二变换图像；

步骤13：分别对每个第二变换图像中的工机具的位置和类别进行标注，得到每个第二变换图像一一对应的标注图像；

步骤14：将所有标注图像制作成所述数据集。

3.根据权利要求2所述的铁路工机具的检测方法，其特征在于，所述像素颜色变换方法具体为亮度变换方法，所述空间几何变换方法包括旋转变换方法、平移变换方法、缩放变换方法和切变变换方法中的至少一种。

4.根据权利要求1所述的铁路工机具的检测方法，其特征在于，在所述步骤2中，构建所述深度卷积神经网络的具体步骤包括：

步骤21：定义卷积层、反残差瓶颈块和池化层，得到卷积网络架构；

步骤22：将所述数据集输入到所述卷积网络架构中，得到所述深度卷积神经网络以及所述深度卷积神经网络输出的多个图像特征。

5.根据权利要求3所述的铁路工机具的检测方法，其特征在于，在所述步骤2中，构建所述反射图像提取网络的具体步骤包括：

步骤23：获取工机具在标准光照下的标准光照图像，将所述标准光照图像和所述数据集分别输入到所述深度卷积神经网络中，得到所述数据集对应的反射图像集；

步骤24：根据所述反射图像集和所述深度卷积神经网络模型，得到所述反射图像提取网络以及所述反射图像提取网络输出的多个反射图像特征。

6.根据权利要求5所述的铁路工机具的检测方法，其特征在于，在所述步骤2中，得到所述特征检测网络的具体步骤包括：

步骤25：按照预设特征图尺度大小，从所有反射图像特征中获取目标反射图像特征，并按照所述预设特征图尺度大小，从所述深度卷积网络模型中的第一预设卷积层输出的所有图像特征中获取目标图像特征；

步骤26：采用逐通道相连的方法，将所述目标反射图像特征与所述目标图像特征进行融合，得到初始融合特征；

步骤27：在所述深度卷积网络模型中的所述第一预设卷积层之后的所有卷积层中，选取第二预设卷积层和第三预设卷积层，按照所述第一预设卷积层，分别对所述第二预设卷积层和所述第三预设卷积层进行降维，并将所述初始融合特征输入到所述深度卷积神经网络模型中在所述第一预设卷积层之后的每个卷积层中，分别提取出降维后的所述第二预设卷积层输出的第一深层特征和降维后的所述第三预设卷积层输出的第二深层特征；

步骤28：采用逐通道相连的方法，对所述初始融合特征、所述第一深层特征和所述第二深层特征进行融合，得到目标融合特征；

步骤29：根据所述目标融合特征定义输入特征层，并定义输出特征图的尺度和边界框，得到所述特征检测网络。