一种利用人工智能检测分类铁轨缺陷的系统及方法技术方案

本发明专利技术提出一种利用人工智能检测分类铁轨缺陷的系统及方法，所述系统包括：接收模块，用于输入一个或多个铁轨图像；预处理模块，用于对所述铁轨图像进行预处理；Transformer模块，用于采用两级Transformer模型对预处理后的图像进行缺陷检测和误报分析；输出模块，用于输出显示包含缺陷、误报、未知的信息的结果。本发明专利技术的优点是：实现简单，可以降低现有铁路轨道检测系统的误报率，提高缺陷检测率。易于实施，降低了在缺陷检测过程中发生事故或受伤的风险。更加环保，有助于延长轨道的使用寿命，最大限度地减少大规模维修或更换的需要。

【技术实现步骤摘要】

本专利技术属于计算机，涉及一种利用人工智能检测分类铁轨缺陷的系统及方法。

技术介绍

1、铁轨缺陷检测通常依赖于专门的检测系统，而车载式轨道检测系统(oris)就是这样的一种系统。oris可在列车运行时识别轨道缺陷，是确保铁路网络安全和维护的重要工具。然而，该系统遇到的一个显著障碍是容易产生大量误报。在试图区分正常、维护良好的轨道图像和有缺陷的轨道图像时，这问题尤为明显。高误报率为系统效率和准确性带来了挑战。铁路检测是保障铁路安全的重要任务之一。如果能在早期阶段检测出缺陷，就能及时进行轨道维护或更换，还能防止出现灾难性故障，如轨道脱轨和断轨。理想的缺陷检测系统应该是高效、无损、坚固和可靠的。轴箱加速度(aba)测量是识别铁路异常的常用方法。

2、轨道缺陷检测有两种方法：非破坏性方法和破坏性方法。非破坏性方法包括检查、测试或评估材料、部件或组件的不连续性或特性差异，而不破坏部件或系统的可用性。另一方面，破坏性方法通常不用于轨道的定期维护或检查，因为它们会造成损坏。不过，破坏性方法可以在受控环境中用于研究、材料测试或事故后分析故障部件。此外，破坏性和本文档来自技高网...

【技术保护点】

1.一种利用人工智能检测分类铁轨缺陷的系统，其特征在于，包括：

2.根据权利要求1所述的利用人工智能检测分类铁轨缺陷的系统，其特征在于，所述两级Transformer模型包括：按顺序排列的使用移位窗口的第一级Transformer模型和第二级Transformer模型。

3.根据权利要求1所述的利用人工智能检测分类铁轨缺陷的系统，其特征在于，所述两级Transformer模型具有预先确定的置信度阈值，其值为0.7。

4.根据权利要求2所述的利用人工智能检测分类铁轨缺陷的系统，其特征在于，所述第一级Transformer模型使用ImageNet上的预训练...

【技术特征摘要】

1.一种利用人工智能检测分类铁轨缺陷的系统，其特征在于，包括：

2.根据权利要求1所述的利用人工智能检测分类铁轨缺陷的系统，其特征在于，所述两级transformer模型包括：按顺序排列的使用移位窗口的第一级transformer模型和第二级transformer模型。

3.根据权利要求1所述的利用人工智能检测分类铁轨缺陷的系统，其特征在于，所述两级transformer模型具有预先确定的置信度阈值，其值为0.7。

4.根据权利要求2所述的利用人工智能检测分类铁轨缺陷的系统，其特征在于，所述第一级transformer模型使用imagenet上的预训练模型。

5.根据权利要求2所述的利用人工智能检测分类铁轨缺陷的系统，其特征在于，所述第二级transformer模型具有一个分类头，由所述第一级transformer模型修改而成，以输出至少一个类别的缺陷。

6.根据权利要求5所述的利用人工智能检测分类铁轨缺陷的系统，其特征在于，所述至少一个类别的缺陷包括：错误图像、磨痕、接头、标记、蹲坑、焊缝、单词、头部检查错误、紧固件缺失、轨头异常、波纹。

7.根据权利要求1所述的利用人工智能检测分类铁轨缺陷的系统，其特征在于，所述系统用于实施到现有的检测系统中，包括车载式轨道检测系统。

8.根据权利要求1所述的利用人工智能检测分类铁轨缺陷的系统，其特征在于，所述接收模块从图像文件、具有多个误报图像的数据库或传感器相机的图像中输入一个或多个铁轨图像。

9.一种利用人工智能检测分类铁轨缺陷的方法，其特征在于，包括：

10.根据权利要求9所述的利用人工智能检测分类铁轨缺陷的方法，其特征在于，所述输入一个或多个铁轨图像，包括：从数据库、图像文件或传感器相机的图像中获取铁轨缺陷图像。

11.根据权利要求9所述的利用人工智能检测分类铁轨缺陷的方法，其特征在于，对所述铁轨图像进行预处理，包括对所述铁轨图像进行去噪处理。

12.根据权利要求9所...

【专利技术属性】
技术研发人员：林健文，薛凯文，连君豪，吴道义，蔡恒生，
申请(专利权)人：产品可靠性暨系统安全研发中心有限公司，
类型：发明
国别省市：