【技术实现步骤摘要】
一种轨道检测图像采集分析方法
[0001]本专利技术涉及轨道检测
，具体涉及一种轨道检测图像采集分析方法。
技术介绍
[0002]随着深度学习和其他相关技术的飞速发展，卷积神经网络已广泛用于对象检测和分类，尤其是在轨道检测图像的采集分析中，提取图像特征方面显示出显著优势，但是在检测速度上依旧不能很好的满足实时性要求，针对轨道检测图像中轨道线等目标的小尺寸和大纵横比进行分析的准确性还不够。所以，需要一种轨道检测图像采集分析方法解决以上问题。
技术实现思路
[0003]本专利技术提供了一种轨道检测图像采集分析方法，通过改进的YOLO
‑
v3网络结构和Canny边缘检测算法构建图像分析模型，可以全面精准地分析轨道检测图像，发现轨道工况异常，提高了轨道检测图像采集分析质量和效率，解决了
技术介绍
中提出的问题。
[0004]本专利技术提供了一种轨道检测图像采集分析方法，包括：
[0005]S1、基于预设的采集标准，采集若干幅轨道检测图像，获得轨道检测图像数据集；
[0006...
【技术保护点】
【技术特征摘要】
1.一种轨道检测图像采集分析方法，其特征在于，包括：S1、基于预设的采集标准，采集若干幅轨道检测图像，获得轨道检测图像数据集；S2、对轨道检测图像数据集进行基础处理，生成待分析轨道检测图像数据集；S3、基于改进的YOLO
‑
v3网络结构和Canny边缘检测算法构建图像分析模型，利用所述图像分析模型对所述待分析轨道检测图像数据集进行分析，得到轨道工况分析结果。2.根据权利要求1所述的一种轨道检测图像采集分析方法，其特征在于，S1中预设的采集标准包括：S101、选择采集装置，所述采集装置包括工业相机、高清摄像机和红外摄像机的一种或几种；S102、设置采集天候条件，所述采集天候条件包括正常天候条件、雨雪雾天气和夜间环境一种或几种；S103、确定采集的轨道检测图像种类，所述轨道检测图像种类包括直线轨道检测图像、曲线轨道检测图像和遮挡轨道检测图像。3.根据权利要求1所述的一种轨道检测图像采集分析方法，其特征在于，S2包括：S201、向所述轨道检测图像数据集中的图像添加椒盐噪声，获得添加噪声的轨道检测图像，将所述添加噪声的轨道检测图像添加入所述轨道检测图像数据集，生成增广轨道检测图像数据集；S202、采用中值滤波方法对所述增广轨道检测图像数据集进行滤波处理，获得滤波轨道检测图像数据集；S203、对所述滤波轨道检测图像数据集中的图像按照预设的划分比例进行区域划分，获得感兴趣区域图像；S204、将所述感兴趣区域图像进行逆透视变换，获得轨道检测图像的鸟瞰图，汇总所述轨道检测图像的鸟瞰图得到待分析轨道检测图像数据集。4.根据权利要求1所述的一种轨道检测图像采集分析方法，其特征在于，S3包括：S301、划分待分析轨道检测图像数据集，得到图像测试集和图像训练集，并使用目标检测标注工具对图像训练集中的图像进行目标标注；S302、基于改进的YOLO
‑
v3检测算法构建第一图像分析子模型，利用所述第一图像分析子模型，对所述图像训练集进行分析预测，获得基本分析结果；S303、基于Canny边缘检测算法对待分析轨道检测图像数据集进行分析预测，获得精确分析结果；S304、对所述精确分析结果进行曲线拟合操作，得到轨道检测图像的轨道轨迹线数据，根据所述轨道轨迹线数据推测出轨道线的参数信息；S305、将轨道线的参数信息与预设的轨道线的标准参数信息进行比较，获得轨道工况分析结果。5.根据权利要求4所述的一种轨道检测图像采集分析方法，其特征在于，S302包括：S3021、对所述图像训练集和图像测试集中的轨道检测图像分别进行统一格式预处理，获得预处理训练集轨道检测图像和预处理测试集轨道检测图像；S3022、将所述预处理训练集轨道检测图像输入到第一图像分析子模型，利用Darknet
‑
53网络进行图像特征提取，包括：
获取底层输出特征量，生成第一图像特征；对该第一图像特征进行一层卷积和一次上采样处理，得到第一处理图像特征；将卷积层输出量与所述第一处理图像特征进行堆叠操作，生成第二图像特征；对该第二图像特征进行一层卷积和一次上采样处理，得到第二处理图像特征；将中间层输出特征量与所述第二处理图像特征进行堆叠，生成第三图像特征；S3023、将所述第一图像特征、第二图像特征和第三图像特征分别输入到YOLO层进行训练，直至达到训练次数后停止迭代，并生成权重模型；S3024、将所述预处理测试集轨道检测图像输入到所述Darknet
‑
5...
【专利技术属性】
技术研发人员：刘冶，李云龙，车显达，
申请(专利权)人：北京运达华开科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。