基于目标检测算法的列车轮对踏面缺陷检测方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113989179A(43)申请公布日2022.01.28(21)申请号202111051260.8G06K9/62(2022.01)(22)申请日2021.09.08G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人湖南工业大学地址412000湖南省株洲市天元区泰山路88号(72)发明人张昌凡胡新亮何静刘建华(74)专利代理机构广州粤高专利商标代理有限公司44102代理人冯振宁刘翔(51)Int.Cl.G06T7/00(2017.01)G06V10/44(2022.01)G06V10/764(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)权利要求书2页说明书8页附图4页(54)发明名称基于目标检测算法的列车轮对踏面缺陷检测方法及系统(57)摘要本发明公开了一种基于目标检测算法的列车轮对踏面缺陷检测方法，首先通过Cdarknet53主干特征提取网络和Spp对输入样本进行多尺度特征提取；其次提出的多尺度特征融合对底层特征进行一次融合，将特征融合输出不同分辨率大小的一次融合特征，可以包含缺陷更多的语义信息和位置细节；基于这些多尺度融合特征，采用路径聚合网络对不同分辨率大小的特征图进行二次融合；最后辅以改进的损失函数，提高抗干扰性，输出检测结果。本发明通过多尺度特征融合，解决了干扰、噪音背景影响故障特征的有效提取，存在踏面缺陷样本少、缺陷目标小的问题，能够在保证实时性的前提下，有效提高轮对踏面缺陷的检测精度，满足实际工业情况对于轮对踏面缺陷检测的需求。CN113989179ACN113989179A权利要求书1/2页1.一种基于目标检测算法的列车轮对踏面缺陷检测方法，其特征在于，包括以下步骤：S1.对轮对踏面进行检测，建立轮对踏面缺陷数据集；S2.在数据集中提取多个不同尺度的主干特征；S3.将步骤S2中的不同尺度的主干特征进行尺度特征融合，得到一次融合特征；S4.对一次融合特征进行提取得到二次融合特征；S5.优化损失函数，输出缺陷检测结果。2.根据权利要求1所述基于目标检测算法的列车轮对踏面缺陷检测方法，其特征在于，所述不同尺度的主干特征为不同宽高和不同通道数的特征图。3.根据权利要求1所述基于目标检测算法的列车轮对踏面缺陷检测方法，其特征在于，所述特征图包括52×52×128、26×26×512、208×208×64、104×104×128、52×52×256、13×13×1024的一种或多种。4.根据权利要求1所述基于目标检测算法的列车轮对踏面缺陷检测方法，其特征在于，尺度特征融合步骤包括：S31.计算底层特征的融合可能性，确定待融合的底层特征；S32.通过3×3和1×1的卷积统一不同尺度特征图的分辨率和通道数；S33.利用l2标准化处理将不同大小的缺陷特征向量处理到统一数量级。5.根据权利要求1所述基于目标检测算法的列车轮对踏面缺陷检测方法，其特征在于，所述一次融合特征的公式如下：式中，FFi为融合之后的有效输出特征层，i＝1,2,3；w1×1为1×1卷积的权重；w3×3为3×3卷积的权重；l2为l2标准化，{F2\F3\F4\F6}为输入特征；σ是leakyrelu激活函数；bi为偏置因子，i＝1,2,3；为拼接操作。6.根据权利要求1所述基于目标检测算法的列车轮对踏面缺陷检测方法，其特征在于，所述损失函数为：式中，S×S表示输入图像划分的网格单元数量；B表示单元格生成的boundingbox数量1；为锁定激活参数项；classes是类别数量；pi(c)表示类别为c的真实概率；表示类别为c的预测概率，α为调剂因子。7.根据权利要求6所述基于目标检测算法的列车轮对踏面缺陷检测方法，其特征在于，判断第i个网格中的第j个先验框是否负责预测轮对踏面缺陷目标，如果第i个网格中的第j个先验框为负责预测轮对踏面缺陷目标的中心网格，则否则8.根据权利要求1～7所述基于目标检测算法的列车轮对踏面缺陷检测方法提供列车轮对踏面缺陷检测系统，其特征在于，所述列车轮对踏面缺陷检测系统包括对踏面进行图2CN113989179A权利要求书2/2页像采集和数据集制作的采集模块、对采集的数据提取不同尺度特征的主干特征提取模块、多尺度特征融合模块以及对融合特征进行提取的路径聚合网络模块。9.根据权利要求8所述基于目标检测算法的列车轮对踏面缺陷检测系统，其特征在于，所述采集模块包括磁钢传感器、面阵相机以及数据存储及处理装置。10.根据权利要求8所述基于目标检测算法的列车轮对踏面缺陷检测系统，其特征在于，所述主干特征提取模块通过Yolov4模型中Cspdarknet53和Spp输出多级主干特征。3CN1139891