一种基于卷积神经网络端到端的转辙机缺口检测方法技术

本发明专利技术属于深度学习与人工智能技术领域，特别涉及一种基于卷积神经网络端到端的转辙机缺口检测方法。包括采集列车经过道岔及转辙机带动道岔转换过程的转辙机缺口图像；对采集到的的缺口图像进行筛选和标注得到数据集；将数据集按比例7：2：1划分为训练集，验证集和测试集；对训练集进行数据增强处理；利用数据集训练神经网络，得到检测网络；将采集的缺口图像输入训练好的神经网络进行检测；对检测结果进行分析并给出分析结果。可将各种类型转辙机的缺口检测系统整合成一个系统，提高系统的普适性和可移植性。适性和可移植性。适性和可移植性。

【技术实现步骤摘要】
一种基于卷积神经网络端到端的转辙机缺口检测方法


[0001]本专利技术涉及一种转辙机缺口检测方法，具体涉及基于卷积神经网络端到端的转辙机缺口检测方法，属于检测技术与人工智能领域。

技术介绍

[0002]在道岔是铁路中能使列车从一股道转入另一股道的设备，转辙机带动道岔尖轨运动至定位或反位即连通不同的股道。尖轨与基本轨的密贴程度直接关系到列车的运行安全，若间隙太大，则出现“四开”现象，严重时可能导致列车脱轨事故。所述间隙通过转辙机内部的缺口来反映，实时检测缺口大小对铁路的信号系统和应急响应非常重要。
[0003]传统的转辙机缺口检测方法是人工巡检或在转辙机内部安装光电传感器、磁栅传感器等，这些方法受环境因素和人为因素的影响较大。目前铁路现场使用的转辙机缺口检测系统主要是基于视频图像的检测方法。
[0004]中国专利技术专利申请（公开号CN110363742A）公开了一种基于CNN和图像处理的转辙机缺口检测方法，该方法先用卷积神经网络对转辙机进行分类，判断转辙机的类别及定位反位信息。再利用传统的图像处理算法对缺口图像进行处理，提取缺口本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络端到端的转辙机缺口检测方法，其特征在于，该方法包括以下步骤：步骤一、采集列车经过道岔及转辙机带动道岔转换过程的转辙机缺口图像；步骤二、对采集到的缺口图像进行筛选和标注；步骤三、将步骤二数据集按比例7：2：1划分为训练集、验证集、和测试集；步骤四、将步骤三划分的训练集进行数据增强处理；步骤五、使用步骤三的数据集训练神经网络，得到检测网络；步骤六、将采集的缺口图像输入训练好的神经网络进行检测；步骤七、对检测结果进行分析并给出分析结果。2.根据权利要求1所述的一种基于卷积神经网络端到端的转辙机缺口检测方法，其特征在于，步骤一中收集图像包括ZD6、S700k、ZYJ7、ZDJ9转辙机缺口的定位和反位图像，且数据均衡。3.根据权利要求1所述的一种基于卷积神经网络端到端的转辙机缺口检测方法，其特征在于，步骤二中筛选的图像转辙机缺口直线为水平或竖直状态，否则需要调整摄像机的角度，步骤二中标注格式为（0，0，0，1，0，0.21，0.43）一行七列的向量，前四位表示转辙机缺口的类别的one
‑
hot表示，第五位表示该缺口图像是定位还是反位，0表示定位，1表示反位，第六位表示缺口间隙的第一条线相对图像的位置，第七位表示缺口间隙的第二条线相对图像的位置。4.根据权利要求1所述的一种基于卷积神经网络端到端的转辙机缺口检测方法，其特征在于，步骤四中数据增强操作，包括随机擦除数据增强、将图像对比度、色彩饱和度、色调、锐度进行微调和数据标准化处理，数据增强的目的是为了使神经网络更具有泛化能力，数据增强操作能够得到精度更优的推理架构。5.根据权利要求1所述的一种基于卷积神经网络端到端的转辙机缺口检测方法，其特征在于，步骤五中所述神经网络结构由yolov3的网络结构改进而来，该神经网络选用darknet53作为主干特征提取网络，首先将输入网络的图片resize到（416，416），在卷积的过程中图片的宽，高不断被压缩，通道数不断扩张，可以获得一系列的特征层，取darknet53的最后三个有效特征层，即13*13*1024，26*26*512，52*52*216这三个特征层，利用这三个...

【专利技术属性】
技术研发人员：成远，叶伟，张弘远，杨云国，叶斌，
申请(专利权)人：上海铁大电信科技股份有限公司，
类型：发明
国别省市：