[发明专利]一种铁轨缺陷检测方法

权利要求书

1.一种铁轨缺陷检测方法，其特征在于，包括：

获取待检测的目标铁轨图像；

将所述目标铁轨图像输入预先训练得到的改进型YOLOv3网络中，利用主干网络对所述目标铁轨图像进行特征提取，得到x个不同尺度的特征图；x为大于等于4的自然数；

利用改进型FPN网络对所述x个不同尺度的特征图进行自顶向下、密集连接方式的特征融合，得到各尺度对应的预测结果；

基于所有预测结果，得到所述目标铁轨图像的属性信息，所述属性信息包括所述目标铁轨图像中目标的位置和类别；

其中，所述改进型YOLOv3网络包括顺次连接的主干网络、所述改进型FPN网络；所述改进型YOLOv3网络是在YOLOv3网络基础上，增加特征提取尺度、优化FPN网络的特征融合方式，以及进行剪枝及结合知识蒸馏引导网络恢复处理后形成的；所述改进型YOLOv3网络是根据样本图像，以及所述样本图像对应的目标的位置和类别训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述改进型YOLOv3网络的主干网络，包括：

串接的y个残差模块；y为大于等于4的自然数；y大于等于x；

所述利用主干网络进行特征提取，得到x个不同尺度的特征图，包括：

利用串接的y个残差模块对所述目标铁轨图像进行特征提取，得到沿输入逆向的x个残差模块输出的、尺度依次增大的x个特征图。

3.根据权利要求2所述的方法，其特征在于，所述利用改进型FPN网络对所述x个不同尺度的特征图进行自顶向下、密集连接方式的特征融合，包括：

针对预测支路Y_i，从所述x个特征图中，获取对应尺度的特征图并进行卷积处理；

将卷积处理后的特征图，与预测支路Y_i-1～Y₁分别经上采样处理后的特征图进行级联融合；

其中，所述改进型FPN网络包括尺度依次增大的x个预测支路Y₁～Y_x；所述预测支路Y₁～Y_x的尺度与所述x个特征图的尺度一一对应；预测支路Y_i-j的上采样倍数为2^j；i＝2、3，…，x；j为小于i的自然数。

4.根据权利要求3所述的方法，其特征在于，所述进行剪枝及结合知识蒸馏引导网络恢复处理，包括：

对YOLOv3网络基础上增加特征提取尺度、优化FPN网络的特征融合方式后得到的网络中，主干网络的残差模块进行层剪枝，得到YOLOv3-1网络；

对所述YOLOv3-1网络进行稀疏训练，得到BN层缩放系数稀疏分布的YOLOv3-2网络；

将所述YOLOv3-2网络进行通道剪枝，得到YOLOv3-3网络；

将所述YOLOv3-3网络进行知识蒸馏，得到所述改进型YOLOv3网络。

5.根据权利要求1所述的方法，其特征在于，对所述改进型YOLOv3网络进行训练之前还包括：

确定针对样本图像中锚盒尺寸的待聚类数量；

获取已标注目标框尺寸的若干样本图像；

基于已标注目标框尺寸的若干样本图像，利用K-Means聚类方法，获得样本图像中锚盒尺寸的聚类结果；

将所述聚类结果写入所述改进型YOLOv3网络的配置文件中。

6.根据权利要求1所述的方法，其特征在于，所述改进型YOLOv3网络还包括分类网络和非极大值抑制模块。

7.根据权利要求6所述的方法，其特征在于，所述基于所有预测结果，得到所述目标铁轨图像的属性信息，包括：

对所有预测结果经由所述分类网络进行分类处理，再经由所述非极大值抑制模块进行预测框去重处理，得到所述目标铁轨图像的属性信息。

8.根据权利要求7所述的方法，其特征在于，所述分类网络包括SoftMax分类器。