[发明专利]一种铁轨缺陷检测方法

说明书

本发明公开了一种铁轨缺陷检测方法，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；本发明可以检测不同尺度的缺陷、能够判别缺陷的种类、解决对微小缺陷的漏检问题；同时，可以提高检测速度和精度，实现实时检测。

技术领域

本发明属于缺陷检测领域，具体涉及一种铁轨缺陷检测方法。

背景技术

当今，交通运输已经成为我们生活的一部分，特别是铁路运输。中国的铁路运输正处于飞速发展阶段，且列车的速度得到了极大提高，对铁路的安全性提出了很高的要求。因为天气、过重的运输负载等原因，铁轨会随着时间受到不同程度的损耗，包括几何结构缺陷、铁轨部件缺陷、铁轨表面缺陷，常见的铁轨表面缺陷包括疤痕、裂纹、波纹擦伤、褶皱、剥落、磨损、压陷等，如果不及时维护更换，会发展成内部缺陷，影响铁轨正常使用和威胁列车安全行使。

在我国，长期以来轨道缺陷的检测一直依赖人工巡检和目测，效率低下；同时，检测结果受人为主观因素、天气光照等因素影响较大，会出现误检和一些微小缺陷的漏检，并且还不能实时检测。

因此，急需一种铁轨缺陷检测方法，以实现对铁轨缺陷的高精度和高实时性检测。

发明内容

为了对铁轨缺陷实现高精度和高实时性检测，本发明实施例提供了一种铁轨缺陷检测方法及电子设备。

具体技术方案如下：

第一方面，本发明实施例提供了一种铁轨缺陷检测方法，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。

在本发明的一个实施例中，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。

在本发明的一个实施例中，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；