无砟道床异物检测方法及装置制造方法及图纸

本发明专利技术公开了一种无砟道床异物检测方法及装置，涉及语义分割技术领域。该方法包括：利用预先训练好的语义分割网络模型对待检测图片进行语义分割，获得待检测图片的掩模图像；语义分割网络模型包括编码器和解码器；编码器包括引入通道注意力机制的残差网络及空洞空间卷积池化金字塔模块，解码器包括上采样网络结构和损失函数；将提取得到的掩模图像的轮廓与轮廓阈值进行比较；将掩模图像中小于轮廓阈值的轮廓位置确定为异物位置。本发明专利技术中语义分割网络模型的残差网络引入了注意力机制，能够较好的检测出异物，提高了无砟道床异物检测精度。

【技术实现步骤摘要】
无砟道床异物检测方法及装置
本专利技术涉及语义分割
，尤其涉及无砟道床异物检测方法及装置。
技术介绍
本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。我国铁路线路里程长，空间跨度大，情况复杂多变，对铁路基础设施的高效运营维护提出了很高的要求。在高速铁路的实际运营中，无砟道床附近极易出现断裂的零件或者外来异常物体，由于列车高速行驶的强气流可能带起这些异物，造成异物与车辆的撞击，可导致列车的结构性损坏，给高速列车行驶带来了严重的安全隐患。因此需要对于无砟道床异物进行准确、高效地加以检测，从而及时清理异物，规避行车安全风险。目前广泛采用的道床异物检测方式为人工巡道进行状态检查，这种方式存在着检测效率低下、人为因素影响大、且易产生大量漏检等问题，故需要采用更为行之有效的技术手段对无砟道床存在的异物进行检测。目前的计算机视觉的方法发展迅速，并逐渐成为检测领域的研究热点。图像分类、目标检测、图像分割、生成对抗网络、元学习等方法都被相继提出，但对于高速铁路无砟道床异物检测这本文档来自技高网...

【技术保护点】
1.一种无砟道床异物检测方法，其特征在于，包括：/n利用预先训练好的语义分割网络模型对待检测图片进行语义分割，获得待检测图片的掩模图像；语义分割网络模型包括编码器和解码器；编码器包括引入通道注意力机制的残差网络及空洞空间卷积池化金字塔模块，解码器包括上采样网络结构和损失函数；引入通道注意力机制的残差网络用于提取待检测图片的早期特征图；空洞空间卷积池化金字塔模块用于提取待检测图片的多尺度特征图；解码器用于将待检测图片的早期特征图与经上采样后的多尺度特征图进行特征融合及上采样；/n将提取得到的掩模图像的轮廓与轮廓阈值进行比较；/n将掩模图像中小于轮廓阈值的轮廓位置确定为异物位置。/n

【技术特征摘要】
1.一种无砟道床异物检测方法，其特征在于，包括：
利用预先训练好的语义分割网络模型对待检测图片进行语义分割，获得待检测图片的掩模图像；语义分割网络模型包括编码器和解码器；编码器包括引入通道注意力机制的残差网络及空洞空间卷积池化金字塔模块，解码器包括上采样网络结构和损失函数；引入通道注意力机制的残差网络用于提取待检测图片的早期特征图；空洞空间卷积池化金字塔模块用于提取待检测图片的多尺度特征图；解码器用于将待检测图片的早期特征图与经上采样后的多尺度特征图进行特征融合及上采样；
将提取得到的掩模图像的轮廓与轮廓阈值进行比较；
将掩模图像中小于轮廓阈值的轮廓位置确定为异物位置。


2.如权利要求1所述的无砟道床异物检测方法，其特征在于，语义分割网络模型输出的掩模图像与待检测图片尺寸大小相同。


3.如权利要求1所述的无砟道床异物检测方法，其特征在于，语义分割网络模型的损失函数为多个损失函数的组合。


4.如权利要求1或3所述的无砟道床异物检测方法，其特征在于，语义分割网络模型的损失函数为Focal损失函数与Dice损失函数的组合。


5.如权利要求1所述的无砟道床异物检测方法，其特征在于，语义分割网络模型的残差网络引入两支并行的注意力机制。


6.如权利要求1所述的无砟道床异物检测方法，其特征在于，还包括：
通过卷积可视化获取多尺度特征图的热力图。
...

【专利技术属性】
技术研发人员：宋浩然，王胜春，顾子晨，戴鹏，杜馨瑜，程雨，任盛伟，李海浪，
申请(专利权)人：中国铁道科学研究院集团有限公司，中国铁道科学研究院集团有限公司基础设施检测研究所，北京铁科英迈技术有限公司，
类型：发明
国别省市：北京;11