[发明专利]一种钢轨损伤检测方法、装置、设备和介质

说明书

本文提供一种钢轨损伤检测方法、装置、设备和介质，所述方法包括：获取待检测图片；输入所述待检测图片至预先训练得到的钢轨损伤检测模型中，得到损伤类别；其中，钢轨损伤检测模型用于对待检测图片进行预处理，得到若干个尺度的池化特征图，提取各池化特征图的尺度感知权重并将其映射至所述池化特征图以得到第一融合特征图，提取所述第一融合特征图的空间感知权重并将其映射至所述第一融合特征图中，得到第二融合特征图；识别所述第二融合特征图得到所述损伤类别，实现了对每一个池化特征图先进性尺度感知，再进行空间感知，可以实现在同等大小卷积核的情况下获得更大且更灵活的卷积核感受野，提高了对钢轨损伤检测类型的精度，降低了误检率。

技术领域

本发明涉及动态检测技术领域，尤其是一种钢轨损伤检测方法、装置、设备和介质。

背景技术

钢轨损伤是指钢轨在使用过程中发生的折断、裂纹及其他影响和限制钢轨使用性能的各种状态。

目标检测是计算机视觉和数字图像处理的一个技术方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。目标检测是图像处理和计算机视觉学科的重要分支。有别于图像分类，目标检测不但需要确定图像中的目标属于何种类型，还需要确定目标的在图像中的坐标位置。得益于机器学习的快速发展，基于深度学习的目标检测方法得到了蓬勃发展。

现有的技术中，基于深度学习理论对钢轨损伤的检测方法中，由于工业样本较少，所以采用小样本的方法进行钢轨损伤预测的过程中，会出现钢轨损伤的误检率过高，且小损伤目标检测精度较低的问题。

发明内容

针对现有技术的上述问题，本文的目的在于，提供一种钢轨损伤检测方法、装置、设备和介质，以解决现有技术中采用小样本的方法进行钢轨损伤预测的过程中，会出现钢轨损伤的误检率过高，且小损伤目标检测精度较低的问题。

为了解决上述技术问题，本文的具体技术方案如下：

一方面，本文提供一种钢轨损伤检测方法，包括：

获取待检测图片；

输入所述待检测图片至预先训练得到的钢轨损伤检测模型中，得到损伤类别；

其中，所述钢轨损伤检测模型包括预处理模块和类别检测模块；

所述预处理模块用于对待检测图片进行预处理，得到若干个尺度的池化特征图；

所述类别检测模块用于提取各池化特征图的尺度感知权重并将其映射至所述池化特征图以得到第一融合特征图，提取所述第一融合特征图的空间感知权重并将其映射至所述第一融合特征图中，得到第二融合特征图；识别所述第二融合特征图得到所述损伤类别作为本文的一个实施例，所述对待检测图片进行预处理，得到若干个尺度的池化特征图，进一步包括：

提取所述待检测图片的特征，得到所述待检测图片的初始特征图；

根据预设的尺度对初始特征图进行下采样或上采样，得到多尺度的特征图；

对各尺度特征图进行区域提取及区域池化处理，得到各尺度的区域特征图；

对各尺度的区域特征图进行尺度特征池化处理，得到多个池化特征图。

作为本文的一个实施例，所述提取各池化特征图的尺度感知权重并将其映射至所述池化特征图以得到第一融合特征图，进一步包括：

将各池化特征图进行平均池化，得到平均池化特征图；

将所述平均池化特征图进行线性卷积处理及非线性变换，得到各池化特征图的尺度感知权重；

将各池化特征图的尺度感知权重与所述池化特征图进行乘积处理，得到所述第一融合特征图。