[发明专利]一种用于识别无砟道床离缝伤损的方法、装置及存储介质

说明书

本方案公开了一种用于识别无砟道床离缝伤损的方法，包括获取待识别图片，对采集的待检测无砟道床图像进行图像预处理；基于ResNet‑PPM图像分割模型识别出所述无砟轨道图像中的离缝区域图像和离缝伤损类型；其中，所述ResNet‑PPM图像分割模型是基于特征图范数的裁剪准则对ResNet网络模型进行剪枝处理获得的。该方法在保证准确率的同时进一步降低分割模型参数量，提高模型算法识别速度，与人工方法对比，大幅提高伤损的检测效率、识别准确度和检测精度，用新技术、新方法来提高无砟道床表观伤损检查的自动化水平。

技术领域

本发明涉及轨道检测技术领域，特别涉及一种用于识别无砟道床离缝伤损的方法，装置及存储介质。

背景技术

无砟轨道具有平顺性好、稳定性高、使用寿命长、耐久性强及维修工作少等特点，已被广泛应用于高铁建设。然而，在列车动载荷、温度热力膨胀以及地质沉降等因素的作用下，无砟轨道病害多发。离缝伤损会显著降低轨道平顺性、刚性和舒适性，严重情况下甚至会造成轨道板上拱破裂，危害高铁列车运行安全。目前无砟轨道离缝的检测技术主要依靠人工持塞尺、裂缝测宽仪等传统工具进行检测，工作效率低，准确性差，耗费人力多，此外还受铁路检修天窗限制，上道检测时间有限。

目前国内外针对高铁无砟轨道离缝的检测技术研究尚处于起步阶段，大多利用基于人工和无损检测等技术进行检测，图像智能识别等技术的研究成果较少。

发明内容

本方案的一个目的在于提供一种用于识别无砟道床离缝伤损的方法，该方法在保证准确率的同时进一步降低分割模型参数量，提高模型算法识别速度，与人工等方法相比，可大幅提高伤损的检测效率、识别准确度和检测精度，用新技术、新方法来提高无砟道床表观伤损检查的自动化水平。

本方案的另一个目的在于提供一种执行上述方法的装置和设备。

为达到上述目的，本方案如下：

一种用于识别无砟道床离缝伤损的方法，该方法包括：

步骤S1:获取待识别图片，对采集的待检测无砟道床图像进行图像预处理；

步骤S2:基于ResNet-PPM图像分割模型识别出所述无砟轨道图像中的离缝区域图像和离缝伤损类型；

其中，所述ResNet-PPM图像分割模型是基于特征图范数的裁剪准则对ResNet网络模型进行剪枝处理获得的。

优选的，该方法进一步包括对已识别出的离缝区域图像进行边缘检测，获取所述离缝区域的特征信息。

优选的，所述特征信息包括离缝区域的长度，宽度，形态以及位置信息。

优选的，所述步骤S2包括：

对所述待检测图像进行预处理，所述预处理包括图像切分，归一化处理和数据增强。

优选的，所述ResNet-PPM图像分割模型中，采用PPM结构作为预测分支，用于预测条型区域病害和面积型区域病害。

优选的，所述对ResNet网络模型进行剪枝包括：

基于训练用无砟道床图像，提取ResNet网络模型中的每个卷积层的特征图矩阵；

计算ResNet网络模型中各层卷积核的特征图L1范数均值；

基于所述特征图L1范数均值的大小对卷积核进行排序，剪去L1小于预设值的冗余卷积核，记录被剪去的卷积核的原始位置，提取该卷积核在网络中的层级权值；

剔除该卷积核原始位置对应的参数连接值，同时对该卷积核的输入通道进行剪裁，组成新的参数连接，获得裁剪后的ResNet网络模型。

优选的，所述PPM网络模型的分类标签包括条形伤损区域和/或面积型伤损区域。