基于卷积神经网络的铁路路基病害雷达图实时检测方法技术

本发明专利技术公开了一种基于卷积神经网络的铁路路基病害雷达图实时检测方法，其中，方法包括：对路基病害雷达图像进行标注划分为训练集和测试集，将训练集扩充后送入卷积神经网络，并输出病害类型，病害类型、病害所在位置坐标和病害置信度，通过梯度下降法迭代计算获得铁路路基病害检测模型，并采用均值平均精度和每秒帧数作为评价模型优劣的指标。该方法充分利用多尺度预测网络，整个过程没有产生候选区域的步骤，从而在保证精度的同时极大的缩短了检测时间，实现实时检测。

Real time detection method of railway subgrade disease radar map based on convolution neural network

【技术实现步骤摘要】
基于卷积神经网络的铁路路基病害雷达图实时检测方法
本专利技术涉及铁路路基病害检测、雷达图像智能识别
，尤其涉及一种基于卷积神经网络的铁路路基病害雷达图实时检测方法。
技术介绍
我国铁路现阶段在进行告诉发展的同时，由于运营里程和时间的增加，铁路路基病害问题已经开始显现。铁路路基病害是铁路交通运输领域的重大安全问题，给铁路安全运营带来隐患。如何从海量的铁路路基检测数据中快速、准确的识别潜在的路基病害风险源，保障铁路运输安全，成为急需解决的技术难题。车载地质雷达检测技术以其无损、高效、高精度、结果直观等特点，在铁路路基检测领域迅速推广和应用。与传统方法相比，地质雷达可以快速查明全线路的路基情况，现已成为铁路路基的日常检测的主要技术手段。铁路路基地质雷达检测数据属于海量数据，平均每检测30公里产生约23G的地质雷达数据，然而目前对铁路路基病害的识别依然依靠人工判读雷达图像进行识别，成本高、效率低，而且对操作员的知识和经验要求高。现有检测技术主要集中在人工设计特征与支持向量机、浅层神经网络等传统机器学习方法结合使用，此类方法耗时且准确率低。本文档来自技高网...

【技术保护点】
1.基于卷积神经网络的铁路路基病害雷达图实时检测方法，该方法建立在雷达数据对铁路路基检测成像的理论基础上，其特征在于，在进行铁路路基雷达图像识别过程中，依次含有以下步骤：/n步骤(1)、将路基病害图像进行标注，并生成包含目对应的XML标注文件；/n步骤(2)、把步骤(1)中的病害图像和标注完成后获得的XML文件划分为训练集和测试集，训练集占90％，测试集占10％，训练集和测试集中均包含雷达病害图像和XML格式的病害标注信息；/n步骤(3)、搭建卷积神经网络，将雷达图和标注文件作为网络的输入，病害类型，病害所在位置坐标，病害置信度作为网络输出；/n步骤(4)、把步骤(2)中获得的训练集的病害图像...

【技术特征摘要】
1.基于卷积神经网络的铁路路基病害雷达图实时检测方法，该方法建立在雷达数据对铁路路基检测成像的理论基础上，其特征在于，在进行铁路路基雷达图像识别过程中，依次含有以下步骤：
步骤(1)、将路基病害图像进行标注，并生成包含目对应的XML标注文件；
步骤(2)、把步骤(1)中的病害图像和标注完成后获得的XML文件划分为训练集和测试集，训练集占90％，测试集占10％，训练集和测试集中均包含雷达病害图像和XML格式的病害标注信息；
步骤(3)、搭建卷积神经网络，将雷达图和标注文件作为网络的输入，病害类型，病害所在位置坐标，病害置信度作为网络输出；
步骤(4)、把步骤(2)中获得的训练集的病害图像和XML文件进行扩充，一同作为输入，送入步骤(3)中的卷积神经网络，通过梯度下降法迭代计算获得铁路路基病害检测模型；
步骤(5)、用步骤(2)中获得的测试集检验步骤(4)模型效果，利用检测平均精度和每秒帧数作为评价模型优劣的指标；
步骤(6)、利用步骤(4)中获得的模型作为铁路路基病害检测模型，实现铁路路基病害智能检测。


2.根据权利要求1所述的基于卷积神经网络的雷达信号铁路路基病害检测方法，其特征在于，所述步骤(3)中，卷积神经网络的具体结构为，经深度残差网络提取雷达图像特征，随后在残差网络之后添加多个卷积层，将其分为三个分支，形成多尺度预测网络，再将深度残差网络提取的特征图进行上采样并在三个尺度上进行特征融合，在多个尺度的融合特征图上分别独立做检测，从而实现对不同尺寸目标的检测，最后利用非极大值抑制的方法剔除重合率较高的检测框，得到最终的铁路路基病害检测模型。


3.根据权利要求2所述的基于卷积神经...

【专利技术属性】
技术研发人员：麻哲旭，乔旭，李策，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：北京;11