轨道交通安全标志缺陷检测方法和装置、电子设备及介质制造方法及图纸

本发明专利技术实施例提供了一种轨道交通安全标志缺陷检测方法和装置、电子设备及介质。该方法包括：通过相机拍摄待检测的轨道场景；获取轨道场景中目标交通安全标志的图像信息；构建缺陷检测模型，对交通安全标志的缺陷进行定义，将存在缺陷的交通安全标志定义为负样本，其中，缺陷检测模型为RetinaNet网络模型；将图像信息输入预先训练好的RetinaNet网络模型，以判断目标交通安全标志是否存在缺陷，其中，将RetinaNet网络模型中的FPN模块改为PAN模块，同时将CBAM模块嵌入到PAN模块中，并且将RetinaNet网络模型中骨干网络ResNet起到下采样作用的卷积层替换为空洞卷积层，检测效率和检测精度高。检测精度高。检测精度高。

【技术实现步骤摘要】
轨道交通安全标志缺陷检测方法和装置、电子设备及介质


[0001]本专利技术涉及轨道交通安全管理
，尤其涉及一种轨道交通安全标志缺陷检测方法和装置、电子设备及介质。

技术介绍

[0002]轨道交通安全标志在轨道交通方面起到了很重要的作用，轨道交通安全标志是指在轨道交通运营过程中设置的用于引导、警示和提示乘客和行驶人员的标志。根据不同的作用和功能，轨道交通安全标志可以分为以下几种：
[0003]引导标志：用于指示乘客和行驶人员所需的方向、位置或目的地，如站名标志、换乘标志等。
[0004]警示标志：用于提醒乘客和行驶人员注意安全，如平交道标志、限速标志、隧道标志等。
[0005]禁止标志：用于禁止乘客和行驶人员进行某些行为，如禁止吸烟标志、禁止通行标志等。
[0006]提示标志：用于提示乘客和行驶人员注意事项，如请勿随地吐痰标志、请勿乱扔垃圾标志等。
[0007]服务标志：用于提供服务信息，如车站信息标志、到站信息标志等。
[0008]轨道交通安全标志的作用是保障乘客和行驶人员的安全，提高运营效率，维护轨道交通的正常秩序。正确的轨道交通安全标志可以很好的起到指挥交通的作用，同时也可以为列车驾驶员提供相关的轨道运营信息，但是如果轨道交通安全标志存缺陷，就会对列车驾驶员产生错误的引导，从而造成严重的轨道交通事故，对列车上的乘客的生命财产安全造成严重的影响。
[0009]目前对轨道交通安全标志的缺陷检测主要依靠人工进行检测，人工检测存在主观因素的影响，不能够很好的判断轨道交通安全标志是否存在一定的缺陷，同时人工检测还会出现误检和漏检的现象，人工检测的效率较低，精确度也较低。

技术实现思路

[0010]本专利技术实施例的主要目的在于提出一种轨道交通安全标志缺陷检测方法和装置、电子设备及介质，能够对轨道交通安全标志的缺陷进行自动化检测，且检测效率高、检测精度高。
[0011]为实现上述目的，本专利技术实施例的第一方面提出了一种轨道交通安全标志缺陷检测方法，所述方法包括：
[0012]通过相机拍摄待检测的轨道场景；
[0013]获取所述轨道场景中目标交通安全标志的图像信息；
[0014]构建缺陷检测模型，对所述交通安全标志的缺陷进行定义，将存在缺陷的交通安全标志定义为负样本，其中，所述缺陷检测模型为RetinaNet网络模型；
[0015]将所述图像信息输入预先训练好的所述RetinaNet网络模型，以判断所述目标交通安全标志是否存在缺陷，其中，将所述RetinaNet网络模型中的FPN模块改为PAN模块，同时将CBAM模块嵌入到所述PAN模块中，并且将所述RetinaNet网络模型中骨干网络ResNet起到下采样作用的卷积层替换为空洞卷积层。
[0016]在一些实施例，所述RetinaNet网络模型的训练方法如下：
[0017]获取用于模型训练的输入图像；
[0018]通过Mask
‑
RCNN算法对所述输入图像进行图像增强；
[0019]对所述输入图像的图像数据集进行划分；
[0020]将所述输入图像通过改进的ResNet网络进行特征提取，得到特征图像；
[0021]将所述特征图像传给RetinaNet目标检测部分，所述特征图像通过添加CBAM模块到PAN模块，得到分类和回归所需要的特征信息；
[0022]通过Focal Loss损失函数对目标交通安全标志进行分类以及确定目标交通安全标志在所述输入图像中的位置信息；
[0023]重复执行上述步骤，直到达到训练预设定的轮数或者是损失函数达到收敛的情况，在训练的过程中不断调整超参数的大小，直至找到最优的超参数的数据，得到训练好的所述RetinaNet网络模型。
[0024]在一些实施例，所述对所述输入图像的图像数据集进行划分，包括：
[0025]将所述图像数据集中80％的数据划分为训练集，用于对模型的训练；
[0026]将所述图像数据集中10％的数据划分为验证集，用于对超参数的调整；
[0027]将所述图像数据集中10％的数据划分为验证集，用于对训练的结果进行验证，判断模型训练的情况。
[0028]在一些实施例，所述交通安全标志的缺陷定义包括：
[0029]轨道交通安全标志外观发生形变；
[0030]轨道交通安全标志倾倒；
[0031]轨道交通安全标志掉落；
[0032]轨道交通安全标志内容发生变化。
[0033]在一些实施例，所述方法还包括：
[0034]采用目标检测算法对所述相机进行标定，获取所述相机拍摄图像中所述目标交通安全标志的现实坐标。
[0035]在一些实施例，所述采用目标检测算法对所述相机进行标定，获取所述相机拍摄图像中所述目标交通安全标志的现实坐标，包括：
[0036]获取所述相机的内部参数；
[0037]计算出相机模型垂直于所述目标交通安全标志的平移向量；
[0038]计算世界坐标系绕图像坐标系的参数矩阵；
[0039]结合所述相机的实际位置得到图像坐标和世界坐标之间的坐标转换关系；
[0040]基于所述坐标转换关系得到所述目标交通安全标志的世界坐标。
[0041]在一些实施例，在所述将所述图像信息输入预先训练好的所述RetinaNet网络模型，以判断所述目标交通安全标志是否存在缺陷，其中，将所述RetinaNet网络模型中的FPN模块改为PAN模块，同时将CBAM模块嵌入到所述PAN模块中，并且将所述RetinaNet网络模型
中骨干网络ResNet起到下采样作用的卷积层替换为空洞卷积层之后，还包括：
[0042]对所述轨道交通安全标志存在的缺陷进行预警和上报。
[0043]为实现上述目的，本专利技术实施例的第二方面提出了一种轨道交通安全标志缺陷检测装置，所述装置包括：
[0044]拍摄模块，用于通过相机拍摄待检测的轨道场景；
[0045]获取模块，用于获取所述轨道场景中目标交通安全标志的图像信息；
[0046]构建模块，用于构建缺陷检测模型，对所述交通安全标志的缺陷进行定义，将存在缺陷的交通安全标志定义为负样本，其中，所述缺陷检测模型为RetinaNet网络模型；
[0047]判断模块，用于将所述图像信息输入预先训练好的所述RetinaNet网络模型，以判断所述目标交通安全标志是否存在缺陷，其中，将所述RetinaNet网络模型中的FPN模块改为PAN模块，同时将CBAM模块嵌入到所述PAN模块中，并且将所述RetinaNet网络模型中骨干网络ResNet起到下采样作用的卷积层替换为空洞卷积层。
[0048]为实现上述目的，本专利技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
[0049]为实现上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨道交通安全标志缺陷检测方法，其特征在于，所述方法包括：通过相机拍摄待检测的轨道场景；获取所述轨道场景中目标交通安全标志的图像信息；构建缺陷检测模型，对交通安全标志的缺陷进行定义，将存在缺陷的交通安全标志定义为负样本，其中，所述缺陷检测模型为RetinaNet网络模型；将所述图像信息输入预先训练好的所述RetinaNet网络模型，以判断所述目标交通安全标志是否存在缺陷，其中，将所述RetinaNet网络模型中的FPN模块改为PAN模块，同时将CBAM模块嵌入到所述PAN模块中，并且将所述RetinaNet网络模型中骨干网络ResNet起到下采样作用的卷积层替换为空洞卷积层。2.根据权利要求1所述的方法，其特征在于，所述RetinaNet网络模型的训练方法如下：获取用于模型训练的输入图像；通过Mask
‑
RCNN算法对所述输入图像进行图像增强；对所述输入图像的图像数据集进行划分；将所述输入图像通过改进的ResNet网络进行特征提取，得到特征图像；将所述特征图像传给RetinaNet目标检测部分，所述特征图像通过添加CBAM模块到PAN模块，得到分类和回归所需要的特征信息；通过Focal Loss损失函数对目标交通安全标志进行分类以及确定目标交通安全标志在所述输入图像中的位置信息；重复执行上述步骤，直到达到训练预设定的轮数或者是损失函数达到收敛的情况，在训练的过程中不断调整超参数的大小，直至找到最优的超参数的数据，得到训练好的所述RetinaNet网络模型。3.根据权利要求2所述的方法，其特征在于，所述对所述输入图像的图像数据集进行划分，包括：将所述图像数据集中80％的数据划分为训练集，用于对模型的训练；将所述图像数据集中10％的数据划分为验证集，用于对超参数的调整；将所述图像数据集中10％的数据划分为验证集，用于对训练的结果进行验证，判断模型训练的情况。4.根据权利要求1所述的方法，其特征在于，所述交通安全标志的缺陷定义包括：轨道交通安全标志外观发生形变；轨道交通安全标志倾倒；轨道交通安全标志掉落；轨道交通安全标志内容发生变化。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：采用目标检测算法对所述相机进行标定，...

【专利技术属性】
技术研发人员：刘成沛，郑昊辰，孙全俊，谢丰源，李堉明，
申请(专利权)人：五邑大学，
类型：发明
国别省市：