[发明专利]一种基于YOLOV3算法的铁轨弹条检测方法

权利要求书

1.一种基于YOLOV3算法的铁轨弹条检测方法，其特征在于，包括如下步骤：

S1：针对任一个检测点，在需要检测的铁轨一侧的固定位置设置摄像头，将摄像头的监控范围对准目标检测位置，实时拍摄目标检测位置处的铁轨弹条图像；

S2：采集样本图片，并对样本图像进行扩增，标注每一个样本图像中弹条的真实检测框和弹条的类别，所述的类别包括完整和缺失；将带标注的样本图像作为训练集；

S3：建立YOLOV3模型，利用步骤S2获得的训练集对模型进行训练，得到训练好的弹条检测模型；

所述的YOLOV3模型包括网络输入层、Darknet-53网络和多尺度预测层；将样本图像作为网络输入层的输入，得到统一尺寸的样本图像；利用统一尺寸的样本图像对Darknet-53网络进行训练，输出该样本图像的特征图；最后通过多尺度预测层对特征图采用三种尺度标注预测框，与真实预测框进行对比，输出预测框及置信度；

S4：通过摄像头实时采集每一个检测点处的铁轨弹条视频，从对应当前时刻的视频中等间隔提取m帧作为当前时刻的待检测图像，将待检测图像作为步骤S3得到的训练好的弹条检测模型的输入，得到检测结果，所述的检测结果包括弹条的类别和置信度；

S5：将当前时刻的m帧图像对应的检测结果取均值作为最终检测结果输出；

S6：重复步骤S4至步骤S5，执行下一时刻的铁轨弹条检测，实现铁轨弹条的实时检测。

2.根据权利要求1所述的基于YOLOV3算法的铁轨弹条检测方法，其特征在于，步骤S2中对样本图像进行扩增的方法包括：

2.1)随机剪裁：随机裁掉原始图像中的四角、中心或者上下部分，将裁剪后的图像作为新增样本图；

2.2)镜像翻转：对原始图像进行镜像翻转，将翻转后的图像作为新增样本图；

2.3)随机调节图像参数：随机调节原始图像的亮度、对比度，将调节后的图像作为新增样本图。

3.根据权利要求1所述的基于YOLOV3算法的铁轨弹条检测方法，其特征在于，步骤S2所述的真实检测框利用目标左上和右下两个点的坐标信息表示。

4.根据权利要求1所述的基于YOLOV3算法的铁轨弹条检测方法，其特征在于，所述的YOLOV3模型中的网络输入层将输入图像的尺寸大小调整为32的整倍数，优选为256x256。

5.根据权利要求4所述的基于YOLOV3算法的铁轨弹条检测方法，其特征在于，所述的YOLOV3模型中的Darknet-53对输入图像的处理过程为：

a)针对尺寸为256x256输入图像，首先经过一个3x3x32的卷积层输出256x256x32；

b)接着经过一个3x3x64，stride＝2的卷积层输出为128x128x64；

c)经过一个残差块，输出为128x128x64；

d)过一个3x3x128，stride＝2的卷积层输出为64x64x128；

e)2个残差块后输出为64x64x128；

f)经过一个3x3x256，stride＝2的卷积层输出为32x32x256；

g)经过8个残差块，输出为32x32x256；

h)过一个3x3x512，stride＝2的卷积层输出为16x16x512；

i)经过8个残差块后输出为16x16x512；

j)过一个3x3x1024，stride＝2的卷积层输出为8x8x1024；

k)经过4个残差块后输出为8x8x1024；

l)经过池化全连接层以及sigmoid激活函数层输出最终的特征图及预测概率。