一种钢轨损伤检测方法及系统技术方案

本发明专利技术提供的一种钢轨损伤检测方法及系统，涉及人工智能技术领域

【技术实现步骤摘要】
一种钢轨损伤检测方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种钢轨损伤检测方法及系统
。

技术介绍

[0002]钢轨损伤的检测方式有多种，例如，对于钢轨的外部损伤，可以通过进行图像采集和图像分析以得到损伤检测结果
。
具体来说，可以利用较为成熟的人工智能技术对采集的钢轨图像进行分析，以输出对应的钢轨损伤结果
。
其中，人工智能
(Artificial Intelligence
，简称
AI)
，是利用数字计算机或者数字计算机控制的计算模拟
、
延伸和扩展人的智能，感知环境
、
获取知识并使用知识获得最佳结果的理论
、
方法
、
技术及应用系统
。
[0003]但是，在现有技术中，在基于钢轨图像对钢轨的损伤进行检测的过程中，存在着钢轨损伤检测的可靠度不高的问题
。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种钢轨损伤检测方法及系统，以在一定程度上提高钢轨损伤检测的可靠度
。
[0005]为实现上述目的，本专利技术实施例采用如下技术方案：
[0006]一种钢轨损伤检测方法，包括：
[0007]提取到示例性图像数据和图像分析用户的用户特征描述数据，所述图像分析用户属于针对所述示例性图像数据进行图像有效性分析的用户，所述用户特征描述数据包括所述图像分析用户的用户身份描述数据和所述图像分析用户对所述示例性图像数据的图像有效性进行分析形成的图像有效性分析数据，所述示例性图像数据通过对钢轨进行损伤检测操作以形成；
[0008]通过初始图像分析网络，将所述示例性图像数据进行关键信息挖掘操作，以形成所述示例性图像数据对应的图像关键信息描述向量，以及，通过所述初始图像分析网络，将所述图像分析用户的用户身份描述数据进行特征空间映射操作，以形成所述图像分析用户对应的用户身份映射向量；
[0009]对所述用户身份映射向量进行合并操作，以合并到所述示例性图像数据对应的图像关键信息描述向量中，形成对应的多层次合并描述向量，所述多层次合并描述向量同时携带有所述示例性图像数据的图像关键信息和所述图像分析用户的用户身份关键信息；
[0010]基于所述图像有效性分析数据
、
所述图像关键信息描述向量和所述多层次合并描述向量，将所述初始图像分析网络进行网络优化操作，以形成所述初始图像分析网络对应的目标图像分析网络；
[0011]在获取到多个待处理图像数据之后，通过所述目标图像分析网络，分别对每一个所述待处理图像数据进行分析操作，以输出每一个所述待处理图像数据对应的目标图像有效性分析数据，以及，基于每一个所述待处理图像数据对应的目标图像有效性分析数据，在所述多个待处理图像数据中筛选出一个待处理图像数据，作为目标待处理图像数据，所述
多个待处理图像数据都属于对待处理的钢轨进行损伤检测操作以形成；
[0012]基于所述目标待处理图像数据，对所述待处理的钢轨进行损伤检测操作，以输出所述待处理的钢轨对应的目标损伤检测结果，所述目标损伤检测结果用于反映所述待处理的钢轨是否存在损伤和存在的损伤类型
。
[0013]在一些优选的实施例中，在上述钢轨损伤检测方法中，所述通过初始图像分析网络，将所述示例性图像数据进行关键信息挖掘操作，以形成所述示例性图像数据对应的图像关键信息描述向量的步骤，包括：
[0014]将所述示例性图像数据进行图像分割操作，以形成所述示例性图像数据对应的多个图像子数据；
[0015]通过初始图像分析网络，将所述多个图像子数据中的每一个图像子数据进行关键信息挖掘操作，以输出每一个所述图像子数据对应的局部关键信息描述向量，所述图像子数据对应的局部关键信息描述向量用于表征该图像子数据包括的各示例性图像的图像关键信息；
[0016]依据每一个所述图像子数据对应的局部关键信息描述向量，确定出所述示例性图像数据对应的图像关键信息描述向量，所述图像关键信息描述向量中各局部关键信息描述向量，基于对应的图像子数据在所述示例性图像数据中的先后关系进行有序排列组合，所述图像关键信息描述向量用于表征所述示例性图像数据中各示例性图像的图像关键信息
。
[0017]在一些优选的实施例中，在上述钢轨损伤检测方法中，所述示例性图像数据中包括多个示例性图像，所述将所述示例性图像数据进行图像分割操作，以形成所述示例性图像数据对应的多个图像子数据的步骤，包括：
[0018]确定出第一图像分割参数和第二图像分割参数，所述第一图像分割参数用于表征分割形成的两个相邻图像子数据之间的间隔图像帧数，所述第二图像分割参数用于表征分割形成的图像子数据包括的示例性图像的图像帧数；
[0019]基于所述第一图像分割参数和所述第二图像分割参数，将所述示例性图像数据进行图像分割操作，以形成所述示例性图像数据对应的多个图像子数据
。
[0020]在一些优选的实施例中，在上述钢轨损伤检测方法中，所述图像关键信息描述向量中包括每一个图像子数据对应的局部关键信息描述向量；所述对所述用户身份映射向量进行合并操作，以合并到所述示例性图像数据对应的图像关键信息描述向量中，形成对应的多层次合并描述向量的步骤，包括：
[0021]分别对所述用户身份映射向量和每一个所述图像子数据的局部关键信息描述向量进行合并操作，以形成每一个图像子数据对应的合并关键信息描述向量；
[0022]基于各所述图像子数据在所述示例性图像数据中具有的先后关系，对每一个所述图像子数据对应的合并关键信息描述向量进行有序排列组合，以形成所述示例性图像数据对应的多层次合并描述向量
。
[0023]在一些优选的实施例中，在上述钢轨损伤检测方法中，每一个所述图像子数据对应的局部关键信息描述向量中包括对应的图像子数据包括的各示例性图像的图像粒度级别描述向量；待处理图像子数据属于所述示例性图像数据包括的任意一个图像子数据；
[0024]所述分别对所述用户身份映射向量和每一个所述图像子数据的局部关键信息描述向量进行合并操作，以形成每一个图像子数据对应的合并关键信息描述向量的步骤，包
括：
[0025]分别对所述用户身份映射向量和所述待处理图像子数据包括各示例性图像对应的图像粒度级别描述向量进行合并操作，以形成各示例性图像对应的局部多层次合并描述向量，所述示例性图像对应的局部多层次合并描述向量同时携带有该示例性图像对应的图像关键信息和所述图像分析用户对应的用户身份关键信息；
[0026]依据每一个所述示例性图像对应的局部多层次合并描述向量，组合形成所述待处理图像子数据对应的合并关键信息描述向量
。
[0027]在一些优选的实施例中，在上述钢轨损伤检测方法中，所述基于所述图像有效性分析数据
、
所述图像关键信息描述向量和所述多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种钢轨损伤检测方法，其特征在于，包括：提取到示例性图像数据和图像分析用户的用户特征描述数据，所述图像分析用户属于针对所述示例性图像数据进行图像有效性分析的用户，所述用户特征描述数据包括所述图像分析用户的用户身份描述数据和所述图像分析用户对所述示例性图像数据的图像有效性进行分析形成的图像有效性分析数据，所述示例性图像数据通过对钢轨进行损伤检测操作以形成；通过初始图像分析网络，将所述示例性图像数据进行关键信息挖掘操作，以形成所述示例性图像数据对应的图像关键信息描述向量，以及，通过所述初始图像分析网络，将所述图像分析用户的用户身份描述数据进行特征空间映射操作，以形成所述图像分析用户对应的用户身份映射向量；对所述用户身份映射向量进行合并操作，以合并到所述示例性图像数据对应的图像关键信息描述向量中，形成对应的多层次合并描述向量，所述多层次合并描述向量同时携带有所述示例性图像数据的图像关键信息和所述图像分析用户的用户身份关键信息；基于所述图像有效性分析数据
、
所述图像关键信息描述向量和所述多层次合并描述向量，将所述初始图像分析网络进行网络优化操作，以形成所述初始图像分析网络对应的目标图像分析网络；在获取到多个待处理图像数据之后，通过所述目标图像分析网络，分别对每一个所述待处理图像数据进行分析操作，以输出每一个所述待处理图像数据对应的目标图像有效性分析数据，以及，基于每一个所述待处理图像数据对应的目标图像有效性分析数据，在所述多个待处理图像数据中筛选出一个待处理图像数据，作为目标待处理图像数据，所述多个待处理图像数据都属于对待处理的钢轨进行损伤检测操作以形成；基于所述目标待处理图像数据，对所述待处理的钢轨进行损伤检测操作，以输出所述待处理的钢轨对应的目标损伤检测结果，所述目标损伤检测结果用于反映所述待处理的钢轨是否存在损伤和存在的损伤类型
。2.
如权利要求1所述的钢轨损伤检测方法，其特征在于，所述通过初始图像分析网络，将所述示例性图像数据进行关键信息挖掘操作，以形成所述示例性图像数据对应的图像关键信息描述向量的步骤，包括：将所述示例性图像数据进行图像分割操作，以形成所述示例性图像数据对应的多个图像子数据；通过初始图像分析网络，将所述多个图像子数据中的每一个图像子数据进行关键信息挖掘操作，以输出每一个所述图像子数据对应的局部关键信息描述向量，所述图像子数据对应的局部关键信息描述向量用于表征该图像子数据包括的各示例性图像的图像关键信息；依据每一个所述图像子数据对应的局部关键信息描述向量，确定出所述示例性图像数据对应的图像关键信息描述向量，所述图像关键信息描述向量中各局部关键信息描述向量，基于对应的图像子数据在所述示例性图像数据中的先后关系进行有序排列组合，所述图像关键信息描述向量用于表征所述示例性图像数据中各示例性图像的图像关键信息
。3.
如权利要求2所述的钢轨损伤检测方法，其特征在于，所述示例性图像数据中包括多个示例性图像，所述将所述示例性图像数据进行图像分割操作，以形成所述示例性图像数
据对应的多个图像子数据的步骤，包括：确定出第一图像分割参数和第二图像分割参数，所述第一图像分割参数用于表征分割形成的两个相邻图像子数据之间的间隔图像帧数，所述第二图像分割参数用于表征分割形成的图像子数据包括的示例性图像的图像帧数；基于所述第一图像分割参数和所述第二图像分割参数，将所述示例性图像数据进行图像分割操作，以形成所述示例性图像数据对应的多个图像子数据
。4.
如权利要求1所述的钢轨损伤检测方法，其特征在于，所述图像关键信息描述向量中包括每一个图像子数据对应的局部关键信息描述向量；所述对所述用户身份映射向量进行合并操作，以合并到所述示例性图像数据对应的图像关键信息描述向量中，形成对应的多层次合并描述向量的步骤，包括：分别对所述用户身份映射向量和每一个所述图像子数据的局部关键信息描述向量进行合并操作，以形成每一个图像子数据对应的合并关键信息描述向量；基于各所述图像子数据在所述示例性图像数据中具有的先后关系，对每一个所述图像子数据对应的合并关键信息描述向量进行有序排列组合，以形成所述示例性图像数据对应的多层次合并描述向量
。5.
如权利要求4所述的钢轨损伤检测方法，其特征在于，每一个所述图像子数据对应的局部关键信息描述向量中包括对应的图像子数据包括的各示例性图像的图像粒度级别描述向量；待处理图像子数据属于所述示例性图像数据包括的任意一个图像子数据；所述分别对所述用户身份映射向量和每一个所述图像子数据的局部关键信息描述向量进行合并操作，以形成每一个图像子数据对应的合并关键信息描述向量的步骤，包括：分别对所述用户身份映射向量和所述待处理图像子数据包括各示例性图像对应的图像粒度级别描述向量进行合并操作，以形成各示例性图像对应的局部多层次合并描述向量，所述示例性图像对应的局部多层次合并描述向量同时携带有该示例性图像对应的图像关键信息和所述图像分析用户对应的用户身份关键信息；依据每一个所述示例性图像对应的局部多层次合并描述向量，组合形成所述待处理图像子数据对应的合并关键信息描述向量
。6.
如权利要求1所述的钢轨损...

【专利技术属性】
技术研发人员：阮腾达，蔡国强，孙虎，苏奎松，邱慧敏，
申请(专利权)人：厦门交测智能科技有限公司，
类型：发明
国别省市：