一种轨道缺陷检测系统鲁棒性提升方法技术方案

本发明专利技术提供了一种轨道缺陷检测系统鲁棒性提升方法，首先对采集到的轨道缺陷数据进行预处理，按照8:1:1的比例划分为训练集、验证集和测试集；基于YOLOv5目标检测模型生成轨道缺陷检测模型，采用一系列指标对轨道缺陷检测模型性能进行评估，通过训练集进行初训练得到初训练模型；采用变异生成算法生成更具多样性的训练样本，将训练集上生成的多样性数据与原始训练集合并来对初训练模型进行重训练，最大化模型在多样性测试样本上的性能，以此提高轨道缺陷检测系统的鲁棒性。结果显示相较于初训练模型，重训练模型在不同扰动下各方面性能都有所提升，重训练轨道缺陷检测模型在测试集上表现出更好的效果。

【技术实现步骤摘要】

本专利技术属于轨道交通运维巡检智能控制，具体涉及一种轨道缺陷检测系统鲁棒性提升的方法。

技术介绍

1、早期的轨道检测主要依靠传统的人工巡检，这种方式一方面存在着需要消耗大量人力物力、效率低下、容易漏检等缺点，另一方面还会受到列车运行的影响。随着技术的进步，目前主要使用巡检车代替人进行轨道巡检，一定程度上提升了检测效率，但仍需要人工对巡检车采集到的图像进行二次检查和分析，存在着效率低下的问题。因此，为了提高轨道缺陷检测效率和精度，亟需研究高精度的轨道缺陷检测算法。

2、随着深度学习技术在各行各业的逐步应用，许多基于深度学习的目标检测算法也逐渐被使用到轨道缺陷检测领域中。基于深度学习的目标检测算法主要分为两大类：基于候选区域和基于回归。基于回归的目标检测算法只有一个阶段，包括yolo、ssd等。yolo算法在2015年由redmon（redmon j, divvala s, girshick r, et al. you only look once:unified, real-time object detection[c]//proceeding本文档来自技高网...

【技术保护点】

1.一种轨道缺陷检测系统鲁棒性提升方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种轨道缺陷检测系统鲁棒性提升方法，其特征在于，所述S1步骤中预处理为：对采集到的轨道缺陷数据按照道床异物、轨面擦伤和扣件绝缘帽缺失三类进行数据筛选并参照YOLOv5的标注格式对筛选出的数据进行标注。

3.根据权利要求1所述的一种轨道缺陷检测系统鲁棒性提升方法，其特征在于，所述S2步骤中，对模型的分类性能及目标检测性能进行评估的指标包括精度、召回率、F1分数、mAP50和mAP50-95指标。

4.根据权利要求1所述的一种轨道缺陷检测系统鲁棒性提升方法，其特征在...

【技术特征摘要】

1.一种轨道缺陷检测系统鲁棒性提升方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种轨道缺陷检测系统鲁棒性提升方法，其特征在于，所述s1步骤中预处理为：对采集到的轨道缺陷数据按照道床异物、轨面擦伤和扣件绝缘帽缺失三类进行数据筛选并参照yolov5的标注格式对筛选出的数据进行标注。

3.根据权利要求1所述的一种轨道缺陷检测系统鲁棒性提升方法，其特征在于，所述s2步骤中，对模型的分类性能及目标检测性能进行评估的指标包括精度、召回率、f1分数、map50和map50-95指标。

4.根据权利要求1所述的一种轨道缺陷检测系统鲁棒性提升方法，其特征在于，所述变异生成算法包括数据扰动和搜索算法两部分。

5.根据权利要求4所述的一种轨道缺...

【专利技术属性】
技术研发人员：李栋，崔晓彤，范建国，郑伟，王烨，王睿，江周娴，冯海燕，付功云，王婷，杨喆，
申请(专利权)人：中铁第六勘察设计院集团有限公司，
类型：发明
国别省市：