【技术实现步骤摘要】
本专利技术涉及轨道表面检测，具体而言，涉及一种基于深度学习的钢轨表面状态检测方法及系统。
技术介绍
1、现有技术中测量钢轨表面状态对应的动力学性能的方法通常是利用钢轨廓形建立钢轨模型和道岔模型进行计算，从而测量动力学性能，但是对于钢轨表面接触状态预测其动力学性能的方法尚属空白，因此亟需一种钢轨表面状态检测方法可以根据钢轨表面状态对其动力学性能进行预测。
技术实现思路
1、本专利技术的目的在于提供一种基于深度学习的钢轨表面状态检测方法及系统，以改善上述问题。
2、为了实现上述目的，本申请实施例提供了如下技术方案：
3、一方面，本申请实施例提供了一种基于深度学习的钢轨表面状态检测方法，所述方法包括：
4、获取第一信息和第二信息，所述第一信息包括完整路段的钢轨图像信息，所述第二信息包括完整路段对应的钢轨动力学性能信息；
5、根据所述第一信息构建训练集，得到训练后的钢轨光带的语义分割模型；
6、根据所述训练后的钢轨光带的语义分割模型提取光
【技术保护点】
1.一种基于深度学习的钢轨表面状态检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的钢轨表面状态检测方法，其特征在于，根据所述第一信息构建训练集，包括：
3.根据权利要求2所述的基于深度学习的钢轨表面状态检测方法，其特征在于，对钢轨表面真值图像信息进行预处理，得到预处理后的钢轨表面真值图像信息，包括：
4.根据权利要求1所述的基于深度学习的钢轨表面状态检测方法，其特征在于，根据所述光带信息数据集和所述第二信息对钢轨表面状态进行检测，包括：
5.根据权利要求4所述的基于深度学习的钢轨表面状态检测方法，其特...
【技术特征摘要】
1.一种基于深度学习的钢轨表面状态检测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的钢轨表面状态检测方法，其特征在于，根据所述第一信息构建训练集，包括：
3.根据权利要求2所述的基于深度学习的钢轨表面状态检测方法，其特征在于，对钢轨表面真值图像信息进行预处理，得到预处理后的钢轨表面真值图像信息，包括：
4.根据权利要求1所述的基于深度学习的钢轨表面状态检测方法，其特征在于，根据所述光带信息数据集和所述第二信息对钢轨表面状态进行检测，包括：
5.根据权利要求4所述的基于深度学习的钢轨表面状态检测方法，其特征在于，...
【专利技术属性】
技术研发人员：李卓睿，李雨璇，顾崧涛，梁宇菲，赵智睿，王梓暄，钱瑶，
申请(专利权)人：西南交通大学，
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。