铁路护栏缺陷检测方法及设备技术

本发明专利技术提供了一种铁路护栏缺陷检测方法及设备，包括：采集第一铁路护栏缺陷图像和第二铁路护栏缺陷图像，并据此得到有效的第一检测模型和有效的第二检测模型；将实时采集的铁路护栏图像输入第一检测模型，若检测结果为铁路护栏存在第一缺陷，则完成检测，若检测结果为铁路护栏正常，则将实时采集的铁路护栏图像输入第二检测模型进行检测，检测得到铁路护栏的第二缺陷。本发明专利技术可以检测多种铁路护栏缺陷，并且提高了铁路护栏缺陷的检出准确率。并且提高了铁路护栏缺陷的检出准确率。并且提高了铁路护栏缺陷的检出准确率。

【技术实现步骤摘要】
铁路护栏缺陷检测方法及设备


[0001]本专利技术实施例涉及铁路维护
，尤其涉及一种铁路护栏缺陷检测方法及设备。

技术介绍

[0002]铁路护栏完整性检测对于维护铁路护栏的完整性，保障铁路运营的安全性具有重要意义。当前维护方法均需要人工进行护栏的检测与排障，现场应用困难，同时受光线和阴影等因素的影响较大，导致人工判断的完整性较低，误报率较高。因此，开发一种铁路护栏缺陷检测方法及设备，可以有效克服上述相关技术中的缺陷，就成为业界亟待解决的技术问题。

技术实现思路

[0003]针对现有技术存在的上述问题，本专利技术实施例提供了一种铁路护栏缺陷检测方法及设备。
[0004]第一方面，本专利技术的实施例提供了一种铁路护栏缺陷检测方法，包括：采集第一铁路护栏缺陷图像和第二铁路护栏缺陷图像；将第一铁路护栏缺陷图像划分为第一铁路护栏缺陷训练数据集和第一铁路护栏缺陷测验数据集，采用第一铁路护栏缺陷训练数据集训练深度卷积神经网络，得到第一检测模型，采用第一铁路护栏缺陷测验数据集对第一检测模型进行测试，若第一检测模型的输出结果与期望结果相符，则确定第一检测模型为有效模型；将第二铁路护栏缺陷图像划分为第二铁路护栏缺陷训练数据集和第二铁路护栏缺陷测验数据集，采用第二铁路护栏缺陷训练数据集训练深度卷积神经网络，得到第二检测模型，采用第二铁路护栏缺陷测验数据集对第二检测模型进行测试，若第二检测模型的输出结果与期望结果相符，则确定第二检测模型为有效模型；将实时采集的铁路护栏图像输入第一检测模型，若检测结果为铁路护栏存在第一缺陷，则完成检测，若检测结果为铁路护栏正常，则将实时采集的铁路护栏图像输入第二检测模型进行检测，检测得到铁路护栏的第二缺陷。
[0005]在上述方法实施例内容的基础上，本专利技术实施例中提供的铁路护栏缺陷检测方法，所述采集第一铁路护栏缺陷图像，包括：采用集成工业相机和定位传感器，采集铁路护栏图像和相应的铁路护栏位置信息，将倒塌铁路护栏图像作为第一铁路护栏缺陷图像。
[0006]在上述方法实施例内容的基础上，本专利技术实施例中提供的铁路护栏缺陷检测方法，所述采集第二铁路护栏缺陷图像，包括：将未倒塌铁路护栏的断裂图像、破损图像和柱帽缺失图像作为第二铁路护栏缺陷图像。
[0007]在上述方法实施例内容的基础上，本专利技术实施例中提供的铁路护栏缺陷检测方法，所述将实时采集的铁路护栏图像输入第一检测模型，若检测结果为铁路护栏存在第一缺陷，则完成检测，包括：车载巡检摄像头实时采集铁路护栏图像，将采集到的铁路护栏图像输入第一检测模型，第一检测模型检测铁路护栏是否倒塌，若铁路护栏倒塌，则输出铁路
护栏存在第一缺陷，则检测完成。
[0008]在上述方法实施例内容的基础上，本专利技术实施例中提供的铁路护栏缺陷检测方法，所述若检测结果为铁路护栏正常，则将实时采集的铁路护栏图像输入第二检测模型进行检测，检测得到铁路护栏的第二缺陷，包括：若检测结果为铁路护栏正常，则对实时采集的铁路护栏图像进行裁切，将裁切后的铁路护栏图像输入第二检测模型进行检测，得到铁路护栏的第二缺陷。
[0009]在上述方法实施例内容的基础上，本专利技术实施例中提供的铁路护栏缺陷检测方法，所述第二缺陷包括：铁路护栏断裂或破损。
[0010]在上述方法实施例内容的基础上，本专利技术实施例中提供的铁路护栏缺陷检测方法，所述第二缺陷还包括：铁路护栏的柱帽丢失。
[0011]第二方面，本专利技术的实施例提供了一种铁路护栏缺陷检测装置，包括：第一主模块，用于采集第一铁路护栏缺陷图像和第二铁路护栏缺陷图像；第二主模块，用于将第一铁路护栏缺陷图像划分为第一铁路护栏缺陷训练数据集和第一铁路护栏缺陷测验数据集，采用第一铁路护栏缺陷训练数据集训练深度卷积神经网络，得到第一检测模型，采用第一铁路护栏缺陷测验数据集对第一检测模型进行测试，若第一检测模型的输出结果与期望结果相符，则确定第一检测模型为有效模型；第三主模块，用于将第二铁路护栏缺陷图像划分为第二铁路护栏缺陷训练数据集和第二铁路护栏缺陷测验数据集，采用第二铁路护栏缺陷训练数据集训练深度卷积神经网络，得到第二检测模型，采用第二铁路护栏缺陷测验数据集对第二检测模型进行测试，若第二检测模型的输出结果与期望结果相符，则确定第二检测模型为有效模型；第四主模块，用于将实时采集的铁路护栏图像输入第一检测模型，若检测结果为铁路护栏存在第一缺陷，则完成检测，若检测结果为铁路护栏正常，则将实时采集的铁路护栏图像输入第二检测模型进行检测，检测得到铁路护栏的第二缺陷。
[0012]第三方面，本专利技术的实施例提供了一种电子设备，包括：
[0013]至少一个处理器；以及
[0014]与处理器通信连接的至少一个存储器，其中：
[0015]存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种实现方式中任一种实现方式所提供的铁路护栏缺陷检测方法。
[0016]第四方面，本专利技术的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的铁路护栏缺陷检测方法。
[0017]本专利技术实施例提供的铁路护栏缺陷检测方法及设备，通过采用多级深度卷积神经网络对铁路护栏的不同状态进行识别，可以检测多种铁路护栏缺陷，对铁路护栏缺陷检测的场景泛化性较好，对外在不利环境的抗干扰性较强，并且提高了铁路护栏缺陷的检出准确率。
附图说明
[0018]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根
据这些附图获得其他的附图。
[0019]图1为本专利技术实施例提供的铁路护栏缺陷检测方法流程图；
[0020]图2为本专利技术实施例提供的铁路护栏缺陷检测装置结构示意图；
[0021]图3为本专利技术实施例提供的电子设备的实体结构示意图；
[0022]图4为本专利技术实施例提供的对正常铁路护栏进行裁切效果示意图；
[0023]图5为本专利技术实施例提供的铁路护栏柱帽数量正常效果示意图；
[0024]图6为本专利技术实施例提供的铁路护栏柱帽数量缺失效果示意图。
具体实施方式
[0025]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。另外，本专利技术提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铁路护栏缺陷检测方法，其特征在于，包括：采集第一铁路护栏缺陷图像和第二铁路护栏缺陷图像；将第一铁路护栏缺陷图像划分为第一铁路护栏缺陷训练数据集和第一铁路护栏缺陷测验数据集，采用第一铁路护栏缺陷训练数据集训练深度卷积神经网络，得到第一检测模型，采用第一铁路护栏缺陷测验数据集对第一检测模型进行测试，若第一检测模型的输出结果与期望结果相符，则确定第一检测模型为有效模型；将第二铁路护栏缺陷图像划分为第二铁路护栏缺陷训练数据集和第二铁路护栏缺陷测验数据集，采用第二铁路护栏缺陷训练数据集训练深度卷积神经网络，得到第二检测模型，采用第二铁路护栏缺陷测验数据集对第二检测模型进行测试，若第二检测模型的输出结果与期望结果相符，则确定第二检测模型为有效模型；将实时采集的铁路护栏图像输入第一检测模型，若检测结果为铁路护栏存在第一缺陷，则完成检测，若检测结果为铁路护栏正常，则将实时采集的铁路护栏图像输入第二检测模型进行检测，检测得到铁路护栏的第二缺陷。2.根据权利要求1所述的铁路护栏缺陷检测方法，其特征在于，所述采集第一铁路护栏缺陷图像，包括：采用集成工业相机和定位传感器，采集铁路护栏图像和相应的铁路护栏位置信息，将倒塌铁路护栏图像作为第一铁路护栏缺陷图像。3.根据权利要求2所述的铁路护栏缺陷检测方法，其特征在于，所述采集第二铁路护栏缺陷图像，包括：将未倒塌铁路护栏的断裂图像、破损图像和柱帽缺失图像作为第二铁路护栏缺陷图像。4.根据权利要求3所述的铁路护栏缺陷检测方法，其特征在于，所述将实时采集的铁路护栏图像输入第一检测模型，若检测结果为铁路护栏存在第一缺陷，则完成检测，包括：车载巡检摄像头实时采集铁路护栏图像，将采集到的铁路护栏图像输入第一检测模型，第一检测模型检测铁路护栏是否倒塌，若铁路护栏倒塌，则输出铁路护栏存在第一缺陷，则检测完成。5.根据权利要求4所述的铁路护栏缺陷检测方法，其特征在于，所述若检测结果为铁路护栏正常，则将实时采集的铁路护栏图像输入第二检测模型进行检测，检测得到铁路...

【专利技术属性】
技术研发人员：王刚，贾利民，夏志成，卢晓辉，秦平，
申请(专利权)人：北京锦鸿希电信息技术股份有限公司，
类型：发明
国别省市：