[发明专利]基于视觉注意力机制的钢轨表面缺陷检测方法及系统

说明书

本发明公开了一种基于视觉注意力机制的钢轨表面缺陷检测方法及系统方法包括如下步骤：S1：获取钢轨表面图像数据；S2：对获取的钢轨表面图像数据进行FT显著图提取；S3：对获取的钢轨表面图像数据进行CA显著图提取；S4：将步骤S2提取的FT显著图与步骤S3提取的CA显著图进行小波融合；S5：对融合后的显著图进行阈值分割；S6：使用YOLOv5算法架构对分割后的图像进行缺陷分类检测。其效果是：本发明可以克服光照影响，实现对钢轨的缺陷进行精准分类检测，为设备维护人员的缺陷探测带来便利。

技术领域

本发明涉及图像处理技术，尤其涉及一种基于视觉注意力机制的钢轨表面缺陷检测方法及系统。

背景技术

随着城市轨道交通运营里程、速度及密度的增加，钢轨作为与列车直接接触的基础设施，其可靠性与列车的安全运行有着密不可分的关联，列车在进行加速、制动等操作时，都会与钢轨表面产生摩擦力、挤压力、冲击力，从而造成钢轨的疲劳磨损，导致钢轨产生裂纹、剥离掉块、断裂等缺陷，以至于严重影响列车的安全行驶。

现有的轨道交通主要以人工检测方式对钢轨表面进行检测，存在劳动强度大、检测效率低、人工依赖性强等问题。随着图像处理技术发展，基于高清摄像设备，可方便获取轨道表面图像，这为基于图像处理的钢轨表面缺陷检测处理技术提供了新的思路。

基于图像处理的钢轨表面缺陷检测处理速度快，可节省大量的人力物力，因此已经成为当前轨道表面缺陷检测技术研究的热点问题。但是实际应用中，钢轨表面受光照影响，采集到的轨道表面存在高亮区域和阴影区域，部分缺陷特征与背景对比度低，缺陷目标也较小，导致现有的钢轨表面缺陷检测系统常常出现错检和漏检现象。

发明内容

有鉴于此，本发明首先提供一种基于视觉注意力机制的钢轨表面缺陷检测方法，通过改变显著图的提取和融合方式，并配合YOLOv5的算法架构实现钢轨表面缺陷的精准检测。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于视觉注意力机制的钢轨表面缺陷检测方法，其关键在于，包括以下步骤：

S1：获取钢轨表面图像数据；

S2：对获取的钢轨表面图像数据进行FT显著图提取；

S3：对获取的钢轨表面图像数据进行CA显著图提取；

S4：将步骤S2提取的FT显著图与步骤S3提取的CA显著图进行小波融合；

S5：对融合后的显著图进行阈值分割；

S6：使用YOLOv5算法架构对分割后的图像进行缺陷分类检测。

可选地，步骤S2中进行FT显著图提取时，使用Sobel模板作为导数算子，通过计算图像灰度沿着水平和垂直两个方向的偏导数，进而得出梯度的大小和方向，然后采用FT显著性算法对图像进行高斯模糊处理，以滤除具有高频信号的随机噪声，并得到高斯平滑后的Lab颜色特征，然后将梯度幅值加入到图像的平均特征中，并通过得到FT显著图，其中表示高斯平滑后的Lab颜色特征，I_μ表示加入梯度幅值后的图像平均特征，S_(x,y)表示提取的FT显著图。

可选地，步骤S3中进行CA显著图提取时，包括以下步骤：

S31：将获取的钢轨表面图像数据从RGB空间转换到Lab空间；

S32：在尺度r下，将图像分割成K个区域，并按照：